七个国家、170个城市、近2亿用户，摩拜的成功离不开大数据！
国内的共享单车发展一年多，比较成熟的毫无疑问便是摩拜（Mobake）和小黄车（ofo）了，但是目前国内共享单车市场几近饱和，各企业纷纷走出国门拓展海外市场，与地方政府、企业深度合作，努力寻求海外资本，加速扩张海外市场。在这一方面，摩拜单车走在了行业前列。如今摩拜单车在海外市场风生水起，引领者行业的发展方向，这在最新数据中也得到了证明。在12月最后一周中即12月20日至27日，摩拜周活跃量用户共计2659万，ofo周活跃量用户共计2265万，其中摩拜领先近400万。而在日均活跃用户量上，摩拜日均表...
教程 [2026-05-02]
机器学习和深度学习概念入门（下）
目录1人工智能、机器学习、深度学习三者关系2什么是人工智能3什么是机器学习4机器学习之监督学习5机器学习之非监督学习6机器学习之半监督学习7机器学习之强化学习8什么是深度学习9总结阅读时间8min-15min7机器学习之强化学习强化学习（ReinforcementLearning）也叫再励学习、评价学习，在智能控制和机器人领域有许多应用。输入数据作为对模型的反馈，不像监督模型那样，输入数据仅仅是作为一个检查模型对错的方式。在强化学习下，输入数据直接反馈到模型，模型必须对此立刻作出调整。常见算法包...
教程 [2026-05-02]
机器学习之——LINE及LargeVis可视化算法
从word2vec算法发表以后，各种嵌入方法越来越火热，而LINE算法就是一种网络嵌入的算法。使用LargeVis可视化的MNIST数据集所谓网络嵌入，就是将一个网络里面的各个节点用向量表示出来。例如，所有节点都使用一个二维向量表示，那么就说这个网络嵌入了一个二维空间。类似的，也可以嵌入三维或更高维的空间。LINE算法基本思路是：如果两个节点在网络上相连，那么它们所对应的向量之间的距离也应该比较小。要学习的参数就是每个节点对应的向量，例如共有10个节点，每个节点打算嵌入到3维空间里，那么就共有1...
教程 [2026-05-02]
学习算法、专用芯片、智能网络、云上数据：未来智能世界的信息基础设施
一、深度学习算法可以完成大多数智能计算任务伊恩（IanGoodfellow）“老爷子”在《深度学习》一书的引言中讲了一个有趣的结论：“神经学家们发现，如果将雪貂的大脑重新连接，使视觉信号传递到听觉区域，他们可以学会用大脑的听觉处理区域去‘看’。这暗示着大多数哺乳动物的大脑使用单一的算法就可以解决他们大脑可以处理的大部分不同任务。”而他所说的“大部分”不同任务，就是类似于人类能够很容易的从复杂的环境中找出活动的人，判断出他在做什么运动、大概年龄，以及更深层的理解是否健康、心情如何等，目前传统计算机...
教程 [2026-05-02]
如何掌握程序语言
学习程序语言是每个程序员的必经之路。可是这个世界上有太多的程序语言，每一种都号称具有最新的“特性”。所以程序员的苦恼就在于总是需要学习各种稀奇古怪的语言，而且必须紧跟“潮流”，否则就怕被时代所淘汰。作为一个程序语言的研究者，我深深的知道这种心理产生的根源。程序语言里面其实有着非常简单，永恒不变的原理。看到了它们，就可以在很短的时间之内就能学会并且开始使用任何新的语言，而不是花费很多功夫去学习一个又一个的语言。对程序语言的各种误解学习程序语言的人，经常会出现以下几种心理，以至于他们会觉得有学不完的...
教程 [2026-05-02]
搜索结果质量评估（上）
【废话少说—文章思路】1.引言如果说以前的传统报刊、搜索引擎、门户网站等媒介解决的是信息不对称的矛盾，那么现在我们面临的矛盾是信息过载的问题。无疑，解决信息不对称这项工作意义非常巨大，通过传统纸质媒介走向互联网PC端的搜索途径，是用户对于获取大量数据的需求驱动的结果。智能手机的发展再次刺激用户对于获取更多信息、更容易获得信息需求的升级，于是相较传统PC端搜索引擎的PGC产出信息的方式，更多的UGC开始萌芽，自媒体玩家开始入局，各个自媒体平台也乘上了UGC的爆发红利，其中微信公众平台、头条号、企鹅...
教程 [2026-05-02]
我们来继续研究 mybatis 框架sql映射文件的属性
温馨提示：本问阅读需要4分钟，建议收藏后阅读！各位小伙伴祝大家元旦快乐开始我们今天的分享我们已经了解了mybatis框架的两种使用方式以及主配置文件(mybatis-config.xml)的属性。那么今天我们来一起了解sql映射文件(userMapper.xml)的属性。parameterType输入参数1）简单类型的单个参数我们来模拟一个需求:根据用户id查询用户信息先在接口类UserMapper.Java中，添加一个接口。然后在对应的UserMapper.xml中，填写sql查询语句。在测试...
教程 [2026-05-02]
机器学习优化算法——梯度下降
在机器学习算法中，优化算法有很多，其中梯度下降法是个重头戏，如果说理解不到梯度下降法的原理，那很多算法的核心都难以掌握，今天我们就来谈谈何为“梯度下降法”。我们首先来看一个例子。假设以下曲线是一损失函数L(w)的分布，求函数L(w)的极小值。一般地，如果函数复杂度不高，可以直接用求导令导数为0的方式求得（如果不懂如何求导可以自行翻阅数学课本）。但这种方式在函数复杂度较高时，方程变得难以解开，此时就需要寻找其他求解方法，求导取0的方法都用不了，难道要用穷举法？没错，就是要用穷举法来求解损失函数L(...
教程 [2026-05-02]
三大融合模型：随机森林、lightGBM、Xgboost调参效果展示
做一个好的模型，首先要有好的数据，数据的质量决定了你模型效果的上限；其次，要做好特征工程，在无法改变数据质量的条件下，特征工程是重中之重；最后，建立模型。有三种主流的模型思想，一种是Bagging，代表模型是随机森林；一种是Boosting，代表模型是GBDT、Xgboost、lightGBM；还一种是stacking或blending。前2种模型可以调参。相信网上有很多种调参方法，效果也有好有坏，不过我相信很多人肯定遇到过这种情况：调着调着，怎么越调越差？好吧，大部分情况是没有调好，因为模型调...
教程 [2026-05-02]
前端三大框架大杂烩
摘要：从angular的诞生独步天下，到现在三大框架平分天下，基本形势已经趋于稳定。每一个框架从诞生到受欢迎，都有其特定的原因和背景。不同的开发者选择时，也是依据于其特定情景下的原因和背景。一、为什么前端会被vue,angular,react瓜分？ 不知道大家有没有发现，这三个框架除了都是前端框架之外，还大有搞基的成分存在。注意他们三个的名字，分别以v，a，r开头，我这么一说，你是不是忽然间就想到了什么。哈哈，正是如此，将他们组合起来不就是javascript中无处不在的鬼东西么？var(当然...
教程 [2026-05-02]
Python3与OpenCV3.3 图像处理（一）-环境搭建与简单DEMO
一、所需软件本教程需要一下软件：PyCharm2017.2.3（其他版本也可）OpenCV3.3Python3Windows7以上版本二、环境配置Python3和PyCharm的安装这里就不详述的，只需到对应的官方网站下载安装即可，需注意的是Python要安装Python3以上版本。注意：Python3安装完后，在命令行工具内输入python，若报错，则表明python没有将python.exe路径写入到系统环境路径中。加入即可。这里要讲一下OpenCV的安装。打开Windows命令行输入：pi...
教程 [2026-05-02]
AngularJS的模板和数据绑定详解
Angular应用中的模板只是一些HTML片段而已，我们可以从服务器上加载，或者在标签中定义，处理方式与所有其他静态资源相同。如果你需要UI组件，你可以在模板中进行定义，使用标准的HTML加上Angular指令即可。模板一旦加载到浏览器之后，Angular将会把它和数据整合起来，然后再把这些模板展开到整个应用中。当我们显示购物车中的物品时，我们已经看到过这种例子：这里，对于items数组中的每一个元素，Angular将会给外层生成一份拷贝，包括其中的所有内容。那么，这里的数据是从哪儿来的呢？在购...
教程 [2026-05-02]
漫谈语音合成之Char2Wav模型
漫谈语音合成之Char2Wav模型语音合成是指将文本转化成音频的过程，整个过程的难点可以用两个词语来形容：清晰度(Intelligibility)和自然度(Naturalness)，清晰度是指合成的音频是否是干净的，是否可以被人听懂；而自然度是指合成的音频是否融合了情感上的色彩。传统的语音合成通常有两种做法，一种是合成式，另外一种是参数式，下面我们分别看它们各自的特点。合成式(ConcatenativeTTS)，这种方法需要大量的剪辑音频组成的数据库，然后根据文本内容从数据库中挑选相应的音频片段...
教程 [2026-05-02]
Pycharm使用技巧总结
pycharm是我经常使用的pythonIDE，补全功能、代码格式化等非常好用，最近整理一下经常用的小技巧。配置灰色主题菜单栏FileSettinsAppearance&BehaviorAppearance，Theme改成Darcula，然后Apply。显示行号菜单栏FileSettinsEditorGeneralAppearance，勾选showlinenumbers，显示行号。修改字体大小菜单栏FileSettinsEditorFont，Size改成14。快捷键跳转按住ctrl，再用鼠标左击...
教程 [2026-05-02]
一直在担心AI失控，却没担心到正地方
当我们一直在讨论AI能给互联网安全带来什么影响的时候，可能一直都忽略了一个问题：AI本身也不安全。这两天的新闻恰如其分地提醒了我们这一点。近日，谷歌被爆其机器学习框架TensorFlow中存在的严重安全风险，可被黑客用来制造安全威胁，谷歌方面已经确认了该漏洞并做出了整改回应。虽然是提前发现，这些漏洞本身没有带来实质威胁。但这条消息还是让我们看到了某种蠢蠢欲动的不安。TensorFlow、Torch、Caffe这些机器学习开发框架，差不多是如今AI开发者与研究者的标准配置，但这些平台最近却纷纷被爆...