在現(xiàn)代 IT 架構(gòu)中,實時處理連續(xù)的業(yè)務(wù)數(shù)據(jù)和事件流變得越來越重要。這種類型的架構(gòu),其中事件正在構(gòu)建數(shù)據(jù)處理的中心,也稱為響應(yīng)式流架構(gòu)。在下文中,我將展示如何借助工作流技術(shù)解決一些相關(guān)挑戰(zhàn)。
這篇博文探討了使用 Apache Kafka 的事件流如何提供可擴展、可靠且高效的基礎(chǔ)設(shè)施,讓游戲玩家開心并讓游戲公司取得成功。
這篇博文探討了使用 Apache Kafka 的事件流如何提供可擴展、可靠且高效的基礎(chǔ)設(shè)施,讓游戲玩家開心并讓游戲公司取得成功。
本篇文章是我們學(xué)習(xí) Python 及其在機器學(xué)習(xí)(ML)和 人工智能(AI) 中的應(yīng)用系列的第七個模塊。在上一模塊中,我們討論了使用 NLTK 進行文本分析。接下來,我們將要討論的是Keras,一個用于處理神經(jīng)網(wǎng)絡(luò)的高級 Python 庫。在本模塊中,將演示如何使用 Keras 解決圖像分類問題。
本篇文章是我們學(xué)習(xí) Python 及其在機器學(xué)習(xí)和 AI 中的應(yīng)用系列的第六個模塊。在上一個模塊中,我們討論了使用 OpenCV 進行圖像識別?,F(xiàn)在我們就來看看自然語言工具包(NLTK)能夠做些什么?
計算機視覺是人工智能的一個子集,專注于教機器如何正確解釋來自圖片、視頻幀和其他來源的數(shù)據(jù)。
OpenCV 是一個用于(實時)圖像處理的庫,該模塊簡要介紹了 OpenCV 并演示了其對象檢測功能。這是我們學(xué)習(xí) Python 及其在機器學(xué)習(xí)和 AI 中的應(yīng)用系列中的第五個模塊。在上一個模塊中,我們認識了許多ML和AI中相關(guān)的Python庫,下面就一起來深入研究一下這些庫的使用,我們先開始學(xué)習(xí)OpenCV的使用。
這是我們學(xué)習(xí) Python 及其在機器學(xué)習(xí) (ML) 和人工智能 (AI) 中的應(yīng)用系列的第四個模塊。在前面三個模塊文章的學(xué)習(xí),我們已經(jīng)對Python相關(guān)基礎(chǔ)知識有了了解。現(xiàn)在,我們可以開始學(xué)習(xí)Python中哪一些庫可以用來處理AI和ML任務(wù)。
這是我們學(xué)習(xí) Python 及其在機器學(xué)習(xí) (ML) 和人工智能 (AI) 中的應(yīng)用系列中的第三個模塊。在上一個模塊中,我們了解了數(shù)據(jù)結(jié)構(gòu)和循環(huán)?,F(xiàn)在讓我們更深入地了解生成器和類。
這是我們系列中的第二個模塊,可幫助您了解 Python 及其在機器學(xué)習(xí) (ML) 和人工智能 (AI) 中的使用。我們可以更深入地了解列表和元組數(shù)據(jù)結(jié)構(gòu),并了解如何使用它們。