HelloWorld 开发者社区
科技资讯
微软 MAI Code 2 系列进入 Copilot:按工程任务选择编程模型
OpenAI 发布 GPT-6.2 Astra 与 Sol:专业交付、编程效率与团队选型
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
开源项目
全部项目推荐好文
Coursera上Andrew Ng的机器学习课程评价
前言该课程非常适合初学者,比原先Ng在斯坦福大学的公开课要简单许多,少去了许多数学,并且在课程内容安排上更加紧凑,涉及的内容广泛,旨在搭建初学者与机器学习的桥梁。值得一提的是,该课程较为接近工程的角度,故我建议有兴趣的工程师可以尝试下。本人花了3周左右的时间完成了该课
数据挖掘与机器学习的关系
_本文属于转发,以后会在该文基础上,加入自己的一些想法。_我最近看国外的学校,把机器学习和数据发掘分开了,数据发掘主要是跟数据库打交道,学什么数据仓库,用Oracle软件。而机器学习好像是跟统计更加贴近。统计系和计算机系在数据挖掘上做的工作有很大不同,我的感觉是,统计系
七个用于数据科学(Data Science)的命令行工具
数据科学是OSEMN(http://www.dataists.com/2010/09/ataxonomyofdatascience/)(和awesome相同发音),它包括获取(Obtaining)、整理(Scrubbing)、探索(Exploring)、建模(Modeling)和翻译
已经看完全部文章
已加载文章中没有匹配内容,可继续加载更多。


