UNet 网络做图像分割DRIVE数据集

披萨分类数据集，这个数据集包含大约1000张比萨的图片和1000张比萨以外的其他菜肴的图片。 披萨分类数据集，这个数据集包含大约1000张比萨的图片和1000张比萨以外的其他菜肴的图片。 披萨分类数据集，这个数据集包含大约1000张比萨的图片和1000张比萨以外的其他菜肴的图片。

streamlit 做的一个小的项目

数字图像领域通俗易懂，所学所看即所得

吉林大学人工智能基础迁移学习报告

java版天网人脸识别系统，获取视频流 进行人脸识别后推送到流媒体服务器实时展示

深入研究了流行的目标识别方法YOLOv3，将Inception模块融入其特征提取网络darknet-53中，从而得到新网络darknet-139。相比YOLOv3特征提取网络，新网络具有更好的特征提取能力。采集并制作算法所需的数据集，分别在YOLOv3和本文算法上进行训练并测试。实验结果表明，相比YOLOv3，本文算法的平均识别率提升了约2%。

使用tensorflow编写的logistic回归算法，进行房价预测。使用了matplotlib绘制分类曲线，一个实例程序，方便机器学习入门。

2018年，全球海洋保险市场规模约为300亿美元，但由于激烈的竞争和复杂的风险评估问题，盈利水平普遍较低。 保险技术（InsurTech）的破坏者Concirrus正在通过新颖地使用人工智能（AI）和大数据分析来转变对海洋风险的评估，以开发行为风险模型。 这是保险业更广泛的市场趋势的一部分，在该趋势中，传统的承保被新的风险分析模式所取代，这种新的风险分析模式通常基于行为风险。 在海上保险市场中，船舶自动识别系统可以用作连接互联网的数据源，以提供有关被保险船舶活动的实时远程信息。 例如，此数据包括船只识别代码，位置信息，航向，速度和航向，目标目的地，预计到达时间，导航状态和船外计算。 其他市场信息（例如天气数据，运输路线数据，地理知识，船只记录和保险记录）也可以合并到复杂的数据分析中，从而在高度精细的级别上建模和更好地理解风险。 这个丰富的数字和数据生态系统使动态构建和测试新颖的统计方法成为可能，从而可以对风险进行建模并开发新的分析方法，从而可以通过主动影响业务客户来降低风险。 Concirrus是一家建立完善的船舶和汽车保险技术公司，其成立是为了利用新的行为风险建模技术并将其应用于保险市场。 InsurTech公司通过实施新业务模型来扰乱市场，这些新业务模型利用人工智能（AI）的先进技术，通过云计算以相对较低的成本访问的高性能数字技术以及大数据分析功能。 Concirrus是保险技术领导者的一个例子，他们采用数字优先的方法，可以避免遗留系统问题，例如高昂的维护成本，缺乏集成和孤立的业务流程。 该案例研究重点关注Concirrus的业务模型，并描述了Quest Marine Insurance Product的运营。 Quest保险产品是一个保险风险分析平台，结合了包括复杂，纵向和行为数据在内的大量数据集，因此海上保险公司可以对船队的风险状况获得更细致和详细的了解，并可以提供相关的保单鼓励并奖励更安全的行为，从而降低损失，损坏船舶，其内装物和船员的风险。 基于Abassi的大数据价值链模型，对Concirrus的价值创造过程进行了详细的描述和分析。 业务模型描述确定了信息和分析竞争优势的几个领域，这些领域为参与海上保险的每个利益相关者创造了业务利益：船队运营商； 保险经纪人； 保险公司和再保险公司。 更一般而言，该案例研究是一位技术领导者的榜样，他正在通过AI的新颖应用和数字化转型来扰乱市场。 概述了行为保险的实施挑战和未来轨迹。

TAIP是调用腾讯AI接口封装的Java客户端，为调用腾讯AI功能的开发人员提供了一系列的交互方法。