## Greenplum机器学习工具集和案例 姚延栋 Pivotal 研发技术总监 2017.thegiac.com ## 大纲 • Greenplum 大数据平台 • Greenplum 机器学习工具 • Greenplum 机器学习案例 ## Pivotal ## Greenplum: 新一代开源大数据平台 2017.thegiac.com ## Greenplum 集群 ! 开放源代码，持续大力投入 - 敏捷方法学：快速迭代、持续发布、质量内建 • 企业级稳定性，成熟生态系统 ## Pivotal ## Greenplum: 机器学习工具集 2017.thegiac.com ## Greenplum 机器学习工具集 PL/X：各种语言实现自定义函数（存储过程） - MADLib: 数据挖掘、统计分析、图（Graph）等算法 • GPText: 文本检索和分析 • GeoSpatial: [Image](/uploads/documents/5/3/f/d/53fd9ff32ff8d8bf417d9e5b73bb19c9/p33_2.jpg) 逻辑回归 信息价值和证据权重 计算 KS 分值模型验证 删除高度相关变量 手动预测 2017.thegiac.com ## 改进后的 in-database 流程 ![Image](/uploads/documents/5/3/f/d/53f

Online # Rust API可靠性分析与验证 姜剑峰 ## 主题内容 • Rust第三方库API可靠性现状 • 现用方法的局限性 - 基于程序合成+模糊测试的可靠性分析方法 ## 自我简介 • 本（2019）硕（2022）毕业于复旦大学 - 目前在蚂蚁集团安全计算部门开发应用于机密计算的Rust系统软件 - 研究生期间主要从事Rust测试与验证工具的研究，本人所在的是国内最早开展Ru 分支覆盖率；用例程序的构造 符号执行(klee, angr)：路径爆炸；求解困难 静态分析(MirChecker, Rudra, SafeDrop)：分析特定问题；假阳性 形式化验证(RustBelt)：无法方便的验证第三方库 其他工具（Miri等）..... ## API 测试用例合成 impl Parser { fn justfile(mut self) -> Result

0 码力 | 13 页 | 1.68 MB | 2 年前

3

## 阿里巴巴研发效能实践日 ## 战略项目集管理下的敏捷应用 申建（项目管理专家） ## 视频回放及往期内容精华 ☐ ☐ ☐ ☐ 扫码观看本次活动视频回放  扫码获取往期阿里研发效能精华 ![Image](/uploads/do + PM FM + PM 战略项目集 + 需求管理 + 研发效率 PMO + PM ## 战略项目集的生产过程 弹性计算财年战略规划 协作单元财年策略规划 战略项目集规划 需求管理 研发效能 ## 需求管理+研发效能 客户可见功能 产品 Roadmap 产品线需求池 产品 Backlog ECS需求总池 非产品线需求 业务验证&反馈 Story/Case Runlnstances oOpenapi instance neceName/hostna me需要支持自定义后缀|提供slb innerapi 查询eci信息|弹性伸缩支持hpc clusterD/部署集等,configuration 配置recs api 尽量对齐|ECS SLA大盘管控核心API统计数据接口|Review一下所有的错误消息。| |时间分析|66-28|65-31|65-31|65-21|65-21|65-28|闲货|

黄海广 副教授 2023年03月 ## 本章目录 01 数据集划分 02 数据集制作 03 数据归一化/标准化 04 正则化 05 偏差和方差 ## 数据集划分 训练集（Training Set）：帮助我们训练模型，简单的说就是通过训练集的数据让我们确定拟合曲线的参数。 验证集（Validation Set）：也叫做开发集（Dev Set），用来做模型选择（model selec selection），即做模型的最终优化及确定的，用来辅助我们的模型的构建，即训练超参数，可选； 测试集（Test Set）：为了测试已经训练好的模型的精确度。 三者划分：训练集、验证集、测试集 机器学习：60%，20%，20%；70%，10%，20% 深度学习：98%，1%，1%（假设百万条数据） ## 交叉验证  1. 使用训练集训练出10个模型 2. 用10个模型分别对交叉验证集计算得出交叉验证误差（代价函数的值） 3. 选取代价函数值最小的模型 4. 用步骤3中选出的模型对测试集计算得出推广误差（代价函数的值） ## 数据集制作 PyTorch的dataloader是用于读取训练数据的工具，它可以自动将数据分割成小batch，并在训练过程中进行数据预处理。

## 第六部分 实战 TensorFlow 验证码识别 # 回报回 回报回 回报回 扫描二维码 试看/购买《TensorFlow 快速入门与实战》视频课程 ## 第六部分 目录 - 准备模型开发环境 - 生成验证码数据集 - 输入与输出数据处理 - 模型结构设计 - 模型损失函数设计 - 模型训练过程分析 - 模型部署与效果演示 ## 准备模型开发环境 ## 第三方依赖包 第三方依赖包 $ pip install Pillow captcha pydot flask ## 数据集生成 • Pillow • captcha ## 模型可视化 • pydot ## 模型服务部署 • flask ## Pillow (PIL Fork) PIL(Python Imaging Library) 为 Python 解释器添加了图像处理功能。但是，在 2009 年发布 Pillow提供广泛的文件格式支持，高效的内部表示和相当强大的图像处理功能。 核心图像库旨在快速访问以几种基本像素格式存储的数据，它应该为一般的图像处理工具提供坚实的基础。 ## captcha Catpcha 是一个生成图像和音频验证码的开源工具库。 from captcha.image import ImageCaptcha from captcha.audio import AudioCaptcha image = Ima

## 现代编程思想 ## 案例：基于梯度下降的神经网络 Hongbo Zhang ## 案例：鸢尾花 • 鸢尾花数据集是机器学习中的"Hello World" ☐ 1936年发布 包含对3种鸢尾花的测量，各有50个样本 ☐ 每个样本包含4项特征：花萼与花瓣的长度和宽度 目标 ☐ 通过特征，判断属于哪一类鸢尾花 ◦ 构建并训练神经网络，正确率95%以上 ## 神经网络 jpg) ○ 指数衰减学习率： $ f(x)=ae^{-bx} $ ，其中a、b为常数，x为训练次数 ## 神经网络训练 - 将数据随机分成两个部分 ◦ 训练集：每一轮根据训练集的数据进行计算并求微分 ☐ 验证集：在训练结束后验证成果，避免过拟合 • 数据量较少，可以直接进行完整训练 ◦ 每一轮训练都使用训练集中的全部数据 ☐ 如果数据较多，则需要考虑分批训练 ## 总结 • 本章节介绍了神经网络的基础知识

# RISC-V 手册 一本开源指令集的指南 DAVID PATTERSON, ANDREW WATERMAN 翻译：勾凌睿、黄成、刘志刚 校阅：包云岗 Powered by TCPDF (www.tcpdf.org) Open RISC-V Reference Card

Base Integer Instructions: 101 ..... 15 1.4 全书的总览 ..... 19 1.5 结束语 ..... 20 1.6 扩展阅读 ..... 21 第二章 RV32I: RISC-V 基础整数指令集 ..... 23 2.1 导言 ..... 23 2.2 RV32I 指令格式 ..... 23 2.3 RV32I 寄存器 ..... 26 2.4 RV32I 整数计算 .... 2.7 RV32I 无条件跳转 ..... 31 2.8 RV32I 杂项 ..... 31 2.9 使用插入排序比较 RV32I, ARM-32, MIPS-32 和 x86-32 指令集 ..... 32 2.10 结束语 ..... 32 2.11 扩展阅读 ..... 33 第三章 RISC-V 汇编语言 ..... 41 3.1 导言 ..... 41 3.2 0 码力 | 164 页 | 8.85 MB | 2 年前 3 迁移学习-自定义数据集实战  ## 自定义数据集实战 主讲：龙良曲  ## Pokemon Dataset 0 码力 | 16 页 | 719.15 KB | 2 年前 3 共 1000 条 1 2 3 4 5 6 100 前往 页 相关搜索词 Greenplum机器学习工具集MADlibGPTextGeoSpatialRustAPI可靠性模糊测试静态分析形式化验证战略项目集敏捷开发需求管理研发效能PMO训练集验证集测试集正则化欠拟合验证码识别卷积神经网络TensorFlow模型结构设计训练过程分析K-fold cross-validationtrain setval settest setDataLoader神经网络激活函数梯度下降过拟合模型复杂度RISC-V指令集架构RV32I扩展优化自定义数据集迁移学习PyTorch训练测试