demi的博客

物联网在数字化转型时代已经成为一个众所周知的技术。物联网被视为下一代互联模式，它将允许机器和设备之间互相连接，而无需人工干预。它是智慧城市、自动驾驶汽车和智能住宅背后的高科技。物联网应用程序不仅可以为企业收集信息和数据，而且可以在任何时间、任何地点、以及采用各种方式与企业交流，从而在潜在价值上产生巨大的差异。

物联网的概念最早于1999年由美国麻省理工学院提出，英文名为Internet of Things，即“物物相连的网络”。从物联网的本质上看，物联网是把任何物体的任何测量量，变成一串数字，然后利用网络传送出去，进行分析处理，然后支撑相关应用的数据转换过程。

从语言结构化理论基础，到 1750 亿参数的 GPT-3。一部 NLP 的百年发展史。

特征选择(排序)对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性能，更能帮助我们理解数据的特点、底层结构，这对进一步改善模型、算法都有着重要作用。

本篇文章，将提供Tensorflow两类版本获取模型参数情况的不同方法，从而让我们可以轻松获取所训练模型的总参数量、可训练参数量及非可训练参数量情况。

疫情肆虐全球的上半年，网络钓鱼攻击增加了600％，勒索软件攻击增加了148％，FBI报告的网络犯罪暴增了300％。而企业的检测与响应能力和速度，却并没有成比例增加，这也使得各种DR解决方案成为当下企业的安全投资热点。

长期以来，人工智能（AI）一直被认为是虚构的故事，只出现在科幻小说或电影当中。如今，随着人工智能逐渐走向现实，我们可以看到AI仍然令人兴奋，即使它还没有电影中显示出来的那样先进。

上篇主要讲的是unity中的光照模型及其原理，还有几种光照类型（自发光、环境光、漫反射、高光反射），后面几篇文章就开始在unity中实现这几种光照类型，本篇在unity实现自发光、环境光。

常见的机器学习&数据挖掘知识点——SSE(Sum of Squared Error, 平方误差和)；
SAE(Sum of Absolute Error, 绝对误差和)；
SRE(Sum of Relative Error, 相对误差和)；
MSE(Mean Squared Error, 均方误差)......

机器学习近几年大热，大家都想要了解，但机器学习已经形成一套枝叶繁茂的知识体系，而且往往建筑在复杂的数学基础之上，又容易让人无从下手。初学者最常问的，不是某个具体的重点难点知识，反而是机器学习究竟该怎样学。