- 综合排序
- 最热优先
- 最新优先
- 来自专栏前端
学习通高效学习教程
点击获取后点击添加扩展可能有打不开或者打开后不是此画面的，可以直接跳到获取这一步 二.安装脚本 这里直接使用大佬已经写好的脚本https://gaoxiaobang.vip/111607.html安装好后可以打开学习通或智慧职教有些课程有大量的题
1K00编辑于 2025-08-15 - 来自专栏AI机器学习与深度学习算法
机器学习入门 5-10 线性回归的可解释性
当然梯度下降法不仅仅能够解决线性回归算法，更是在机器学习中求解最优模型一种通用化的方法，甚至在有些模型中我们只能使用梯度下降法来解最优的模型，这是因为对于更复杂的模型来说，我们无法获得这样一个简单的公式来计算这些模型相应的参数的 机器学习算法中很少有像线性回归算法这样通过数学公式推导出方程解的算法。 ?
1.4K00发布于 2019-11-13 - 来自专栏企鹅号快讯
Hinton：5-10年内深度学习取代放射科医生
商用的深度学习乳腺癌检测系统已经在开发中，Hinton说：“很显然，5年内深度学习就能超过放射科医生，或许会用10年，我在医院里说过，结果反响很糟糕。” Hinton对自动化医学未来的预测建立在一个简单的原则基础之上：“在有大量数据的地方，采取旧的分类问题，这将通过深度学习来解决。将有数以千计的深度学习应用。” Hinton希望使用学习算法来读取各种X射线，CT扫描和MRI数据，这正是他认为的近期前景。 将来，“学习算法会做出病理诊断”，可能是读取巴氏涂片、听心音，或预测精神病患者的复发。 如果使用1.0分表示100％的准确性，那么标准指导得分0.728，机器学习模型的范围从0.745到0.764，最好的分数来自一种称为神经网络的机器学习模型。 此外，新智元AI技术+产业领域社群(智能汽车、机器学习、深度学习、神经网络等)正在面向正在从事相关领域的工程师及研究人员进行招募。 2018，加入新智元社群，一起构建AI开放平台，助力中国智能+
1.5K60发布于 2018-01-05 - 来自专栏CSDN技术头条
未来5-10年，NLP将走向成熟
未来5-10年，NLP将走向成熟 最后，再介绍一下我对自然语言处理目前存在的问题以及未来的研究方向的一些考虑，供大家参考。 通过知识与深度学习的结合提升效率。所谓知识和深度学习的结合，有可能很多情况下是需要有人类知识的。比如说客服，是有一些常见处理过程的。那么出现问题我该怎么解决？ 这些知识如何跟数据巧妙结合，从而加快学习的过程、提高学习的质量，这也是比较令人关注的。 通过迁移学习实现领域自适应。如果们想翻某一个专业领域，比如说计算机领域，可能现有的翻译工具翻得不好。 所以大家都在研究，有没有一种办法，能够帮助机器进行迁移学习，能够更好的运用到语音自适应上。 通过强化学习实现自我演化。 这就要通过一个所谓无监督的学习过程，或者半监督的学习过程增强整体的学习过程。这里也是目前研究上非常令人关注的。
1.3K71发布于 2018-02-12 - 来自专栏coding for love
5-10~11 webpack 性能优化（2）
然后我们修改一下 home.jsx 代码，增加一个三方库，lodash。我们装一下 lodash 然后引入：
1.5K10发布于 2020-05-26 - 来自专栏布衣者博客
python项目-学习通剩余作业
目前问题 1.当短时间内多次请求会造成学习通403拒绝请求，导致无法获取到作业或考试。 自己正好要学python就想自己练练手也写一个，因此我就需要完成一部分知识的学习才能开始： 1.抓包：尝试去抓取学习通app的包，用更少的请求去获取到链接。其中原作者也采用该方式。 3.查询端和服务端要分离开：因为从原作者中的文章中表示，学习通会对请求多或异常的ip进行封ip，后续也从自己同学的服务器了解到了，他原本用服务器爬取学习通，最后导致ip被封。 项目及免责 项目目前部署在自己的服务器上：链接为：学习通剩余作业 免责： 1.本站不记录、不保存学习通密码及cookie,全部保存在你的本地浏览器上，使用时才会调用。 使用地址：学习通剩余作业
2.2K30发布于 2021-09-07 - 来自专栏张俊红
机器学习通识篇知识分享
机器学习定义 机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。 机器学习的基本过程如下： 机器学习基本过程 机器学习发展历程 从机器学习发展的过程上来说，其发展的时间轴如下所示： 机器学习发展历程 从上世纪50年代的图灵测试提出、塞缪尔开发的西洋跳棋程序，标志着机器学习正式进入发展期 机器学习分类 机器学习经过几十年的发展，衍生出了很多种分类方法，这里按学习模式的不同，可分为监督学习、半监督学习、无监督学习和强化学习。 强化学习 强化学习（Reinforcement Learning）类似于监督学习，但未使用样本数据进行训练，是是通过不断试错进行学习的模式。 监督学习、半监督学习、无监督学习、强化学习的示意图如下所示： 机器学习应用之道 机器学习是将现实中的问题抽象为数学模型，利用历史数据对数据模型进行训练，然后基于数据模型对新数据进行求解，并将结果再转为现实问题的答案的过程
65110编辑于 2022-07-19 - 来自专栏新智元
【AI全球大战医生】Hinton：5-10年内深度学习取代放射科医生
商用的深度学习乳腺癌检测系统已经在开发中，Hinton说：“很显然，5年内深度学习就能超过放射科医生，或许会用10年，我在医院里说过，结果反响很糟糕。” Hinton对自动化医学未来的预测建立在一个简单的原则基础之上：“在有大量数据的地方，采取旧的分类问题，这将通过深度学习来解决。将有数以千计的深度学习应用。” Hinton希望使用学习算法来读取各种X射线，CT扫描和MRI数据，这正是他认为的近期前景。 将来，“学习算法会做出病理诊断”，可能是读取巴氏涂片、听心音，或预测精神病患者的复发。 为了使系统做得更好，研究人员Stephen Weng及其同事为英国378256名病人测试了几种机器学习工具。 如果使用1.0分表示100％的准确性，那么标准指导得分0.728，机器学习模型的范围从0.745到0.764，最好的分数来自一种称为神经网络的机器学习模型。
1.1K60发布于 2018-03-20 - 来自专栏全栈程序员必看
高通msm8937的BLSP学习
Peripheral (BLSP)，低速接口的总线访问模块 (3) QUP：Qualcomm Universal Peripheral，高通统一的外设 2.Msm8937 BLSP BLSP是高通对于低速接口的一种管理方式 status register in the peripheral core allows software to distinguish between interrupt sources 参考： 高通无人机 8074 BLSP接口说明 http://huaqianlee.github.io/2016/04/27/Uav/Qualcomm-uav-blsp-port/ 高通APQ8074 spi 接口配置 https
2.1K20编辑于 2022-11-04 - 来自专栏折影轻梦
学习通加Anki光速逃离挂科
学习通加Anki光速逃离挂科 2021年11月26日 216 字 大概 1 分钟 为了防止挂科，写了个脚本，可以将你的超星学习通里的作业数据、随堂练习导出成为 Csv 文件，方便导入 Anki 背题 Anki Anki让记忆更轻松 - ankichina 二 下载 Anki 选择题模板 anki 选择题❤️猪猪.apkg 模版下载 下载 感谢 @GJade 提供的模板 下载后双击即可导入模板 三 导出学习通作业 、随堂练习数据 安装油猴或脚本猫 油猴脚本安装 “超星 To Csv” 脚本 https://scriptcat.org/script-show-page/219 打开学习通作业或随堂练习页面，点击“下载题目数据
1.3K30发布于 2021-11-29 - 来自专栏人工智能头条
未来5-10年，自然语言处理将走向成熟
未来5-10年，NLP将走向成熟 最后，再介绍一下我对自然语言处理目前存在的问题以及未来的研究方向的一些考虑，供大家参考。 3.通过知识与深度学习的结合提升效率。所谓知识和深度学习的结合，有可能很多情况下是需要有人类知识的。比如说客服，是有一些常见处理过程的。那么出现问题我该怎么解决？ 这些知识如何跟数据巧妙结合，从而加快学习的过程、提高学习的质量，这也是比较令人关注的。 4.通过迁移学习实现领域自适应。如果们想翻某一个专业领域，比如说计算机领域，可能现有的翻译工具翻得不好。 所以大家都在研究，有没有一种办法，能够帮助机器进行迁移学习，能够更好的运用到语音自适应上。 5.通过强化学习实现自我演化。 这就要通过一个所谓无监督的学习过程，或者半监督的学习过程增强整体的学习过程。这里也是目前研究上非常令人关注的。
74930发布于 2018-07-20 - 来自专栏算法与编程之美
Python|自动化实现学习通登录
前言 最近小编在学习python自动化处理网页，因为一直在使用学习通，因此写了一个python自动化网页登录学习通的简单程序，因为才入门，不足之处希望读者能够提出。 from selenium import webdriver class Webdriver: def main(self): user = input('请输入学习通账号 :') password = input('请输入学习通密码:') global wb # 申明全局变量防止Chrome浏览器运行时闪退 wb ) # 定位点击登录 if __name__ == '__main__': s = Webdriver() s.main() 我们启动程序输入账号和密码就可以直接登录超星学习通的个人空间 总结 体验下来就是selenium模块就是用程序去模仿人去对网页的操纵，例如输入，鼠标点击，等操作，如果结合爬虫等数据挖掘的话，会起到很好的作用；在后续的学习中，我会去尝试写一个学习通自动签到的程序，希望这篇文章对读者有所帮助
1.6K20发布于 2020-09-24 - 来自专栏壳屋栏博客专栏
超星学习通自动签到接口搭建PHP版
PHP 版超星学习用自动签到，支持多用户签到，二次开发便捷！ 运行环境PHP 7.3测试通过，理应 及以上都能够使用 登录方式： 支持手机号码登录，暂时不支持学号登陆！
2.2K20编辑于 2022-06-09 - 来自专栏数据派THU
机器学习通识篇知识分享
机器学习定义 机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。 机器学习的基本过程如下： 机器学习基本过程 机器学习发展历程 从机器学习发展的过程上来说，其发展的时间轴如下所示： 机器学习发展历程 从上世纪50年代的图灵测试提出、塞缪尔开发的西洋跳棋程序，标志着机器学习正式进入发展期 机器学习分类 机器学习经过几十年的发展，衍生出了很多种分类方法，这里按学习模式的不同，可分为监督学习、半监督学习、无监督学习和强化学习。 强化学习 强化学习（Reinforcement Learning）类似于监督学习，但未使用样本数据进行训练，是是通过不断试错进行学习的模式。 监督学习、半监督学习、无监督学习、强化学习的示意图如下所示： 机器学习应用之道 机器学习是将现实中的问题抽象为数学模型，利用历史数据对数据模型进行训练，然后基于数据模型对新数据进行求解，并将结果再转为现实问题的答案的过程
99120编辑于 2022-07-04 - 来自专栏Android Camera开发
高通CamX框架学习系列:Bring Up Actuator
这篇文章主要介绍在高通平台的CamX框架里面，如何去点亮摄像头马达，需要修改哪些相关的文件。 一、大体浏览 先来个整体的浏览，看下涉及到需要修改哪些目录下的文件。 proprietary/chi-cdk/oem/qcom/actuator 这个目录下，我们需要添加个dw9714v_actuator.xml的文件，如果sersor 用的马达型号高通源码已经有了，那直接用高通原始的配置就可以了 clock-rates = <24000000>; }; }; 复制代码 ---- 本人从事Android Camera相关开发已有5年 目前在深圳上班 欢迎大家关注我的微信公众号“小驰笔记” 大家一起学习交流
3.6K30发布于 2021-04-19 - 来自专栏Android Camera开发
Android 高通Camx架构学习 - 第1章
关于高通Camx架构介绍的文章目前还是凤毛麟角，我会尽自己能力尽可能讲多点，讲的通俗明白点~ 这篇文章分下面几点来展开： 1）Camx整体架构图； 2）Camx基本组件及其概念； 3）Camx代码目录结构 ; 一、Camx整体架构图 目前Android主流的机型,采用高通芯片的，使用的基本都是camx架构。 从上图我们可以看到，在hal层，高通是结合自己的芯片硬件，添加了一层逻辑，这层逻辑高通内部命名为camx架构。 下面我们来看下高通camx架构上，camera数据流向大体上是怎样的？ ?
2.8K30发布于 2021-04-30 - 来自专栏大数据文摘
机器学习通识篇知识分享
机器学习的基本过程如下： 机器学习基本过程 机器学习发展历程 从机器学习发展的过程上来说，其发展的时间轴如下所示： 机器学习发展历程 从上世纪50年代的图灵测试提出、塞缪尔开发的西洋跳棋程序，标志着机器学习正式进入发展期 机器学习分类 机器学习经过几十年的发展，衍生出了很多种分类方法，这里按学习模式的不同，可分为监督学习、半监督学习、无监督学习和强化学习。 监督学习 监督学习（Supervised Learning）是从有标签的训练数据中学习模型，然后对某个给定的新数据利用模型预测它的标签。如果分类标签精确度越高，则学习模型准确度越高，预测结果越精确。 强化学习 强化学习（Reinforcement Learning）类似于监督学习，但未使用样本数据进行训练，是是通过不断试错进行学习的模式。 监督学习、半监督学习、无监督学习、强化学习的示意图如下所示： 机器学习应用之道 机器学习是将现实中的问题抽象为数学模型，利用历史数据对数据模型进行训练，然后基于数据模型对新数据进行求解，并将结果再转为现实问题的答案的过程
75010编辑于 2022-07-06 - 来自专栏算法修养
pta习题集 5-10 切分表达式——写个tokenizer吧
[先说点出题背景] 这个题是为低年级同学、学C语言的同学准备的，因为，对这部分同学，这个题目编写起来略有一点复杂。如果是高年级、学过了正则表达式（Regular Expression）的同学或者学过了Java等OO语言的同学做这个题，应当发现这题比较简单吧。哦，对了，什么是tokenizer？请自行查询解决。反正在此处不应翻译成“令牌解析器”。 [正题] 四则运算表达式由运算数（必定包含数字，可能包含正或负符号、小数点）、运算符（包括+、-、*、/）以及小括号（(和)）组成，每个运算数、运算符和括号
1.1K60发布于 2018-04-27 - 来自专栏腾讯云原生团队
ImageApparate(幻影)镜像加速服务让镜像分发效率提升 5-10 倍
ImageApparate(幻影) 为了解决这个问题，腾讯云容器服务 TKE 团队开发了下一代镜像分发方案ImageApparate(幻影), 将大规模大镜像分发的速度提升 5-10倍。 ? 如上所述，相比于传统的下载全部镜像的方式，ImageApparate 在容器全部启动时间上都有 5-10倍 的提升。
1.5K10发布于 2021-02-25 - 来自专栏全栈程序员必看
高通mdp_高通骁龙6150
引言 样机上电之后如何自动选择合适的网络进行附着，如何对选择的小区确实是否可以驻守，本文将以高通平台为例，讲述从识别SIM开始，到注册到合适的小区这整个流程。 架构 LTE协议栈基本分为NAS（Non-Access-stratum），AS(Access-stratum)，PHY，在高通平台中的基本架构如下图： 其中 Call manager 为上层
2K20编辑于 2022-11-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号