《数据人才发展报告》:数据领域创新与招聘趋势-14页.pdf
2021-10-25 13:02:48 3.11MB 招聘
2019年项目管理师十大知识领域与46个过程的输入、输出、工具技术背诵表.xlsx
2021-10-25 10:55:24 23KB 信息系统
1
一共99页ppt,目前为止,比较全面的对人工智能的现状与未来全面介绍和分析的好文。 所有ppt内容均可以修改,不是图片格式。
2021-10-24 18:10:57 11.15MB 人工智能 现状 领域 发展
1
复制粘贴 让我们在2021年开始制作所有可复制/可粘贴的Web表单。 这将允许更快地进行表单填充,eReceipts,通过Git进行版本控制的协作编辑表单等等。 演示版 为什么现在? 使以简单,健壮,类型安全的方式完成所有这些工作成为可能。 填写网络表单与编辑“树符号”文档是同构的。 用户编辑表单时,文本区域会更新为“树符号”版本。 用户可以在该文本区域中复制和粘贴。 但是,等等,还有更多! 编辑树符号文档与编辑电子表格也是同构的。 因此,所有Web表单都可以是Web表单,单个副本/可粘贴的Tree Notation文档和电子表格! 未来的工作 如果您喜欢这个主意,请。 您可以在自己的网站上自己实现这个想法! 需要帮忙? 只需在此处或在树符号subreddit 伸出手即可 :red_heart: :red_heart: :red_heart: 公共区域 :red_heart: :red_heart: :red_heart:
2021-10-23 23:00:03 1.96MB spreadsheet web-form tree-notation JavaScript
1
基于本体的受限领域问答系统知识库的构建及答案抽取,陶利强,樊孝忠, 本文针对受限领域自动问答系统,以某不孕不育医院为例,详细地阐述了基于本体的领域知识库构建及答案抽取方法 ,采用OWL语言描述领
2021-10-23 14:41:31 431KB 自动问答;知识库;本体;答案抽取
1
matlab代码abs GAN_Principle GAN网络是近两年深度学习领域的新秀,本文旨在浅显理解传统GAN,分享学习心得。现有GAN网络大多数代码实现使用Python、torch等语言,这里,后面用matlab搭建一个简单的GAN网络,便于理解GAN原理。 GAN的鼻祖之作是2014年NIPS一篇文章:Generative Adversarial Net(, 可以细细品味。 分享一个目前各类GAN的一个论文整理集合 再分享一个目前各类GAN的一个代码整理集合
2021-10-23 13:12:33 1.16MB 系统开源
1
知识库是进行各种自然语言处理任务不可或缺的一项基础性的资源。而目前知识库的构建还是一个难点问题,尤其是以自动方式构建复杂的领域性知识库系统的研究还处于探索阶段。本文提出一种基于实体-属性框架的领域知识库自动构建方法,致力于利用航空百科辞典的信息自动获取术语之间的上下位关系及部分实体属性关系,其中,基于多策略的上下位关系术语对提取融合了后缀子串匹配、模板自动构建、实质提取三种方法,分别考虑了辞典中反映上下位关系的不同信息。其中模板自动构建方法,在无需人工标注语料的情况下获得了比较好的效果。属性提取部分采用了
2021-10-23 10:57:42 322KB 工程技术 论文
1
给大家分享一套视频教程,面向医学领域的深度学习项目实战,完整版20章,附源码、课件等。 课程概述 面向医学领域的深度学习实战课程旨在帮助同学们快速掌握深度学习核心算法及其在医疗领域应用实例。课程内容主要包括: 1.深度学习经典算法解读(包括分类,检测,识别,分割,命名实体识别,知识图谱等经典算法); 2.基于医疗数据集的项目实战(包括数据处理,网络架构分析,源码解读等); 3.实际应用场景效果分析与应用实例。整体风格通俗易懂,提供课程所需全部内容。
2021-10-22 20:08:11 663B 深度学习 医学领域 人工智能
1
Batch Normalization Accelerating Deep Network Training by、CNN、Deep Inside Convolutional Networks Visualising、Deep Residual Learning for Image Recognition、ImageNet Classification with Deep Convolutional、ResNeSt Split-Attention Networks、YOLOv4 Optimal Speed and Accuracy of Object Detection
2021-10-22 19:53:12 11.36MB 人工智能、计算机视觉
1
VADER情绪分析 VADER(价位意识词典和情感推理器)是一种基于词典和规则的情感分析工具,专门针对社交媒体中表达的情感进行调整。 它是根据完全开源的(我们衷心感谢所有归属,并愿意接受大多数贡献,但请不要对我们承担责任)。 功能和更新 非常感谢George Berry,Ewan Klein和Pierpaolo Pantone为使VADER变得更好而做出的重要贡献。 新的更新包括有关以下方面的功能: 重构Python 3的兼容性,改进的模块性以及将其合并到……非常感谢Ewan和Pierpaolo。 进行重组以提高速度/性能,将时间复杂度从O(N ^ 4)降低到O(N)...非常感谢George。 简化了pip的安装,并为vaderSentiment模块和组件导入提供了更好的支持。 (对vader_lexicon.txt文件的依赖性现在使用自动文件位置发现,因此您无需在代码中手动指定其
2021-10-22 15:10:15 2.4MB Python
1