认知计算

创建加速、增强、拓展人类专业技能的应用


为开源 Node-RED 项目作出贡献。在 IBM developerWorks 开放平台上已经可用。



您希望从何处开始?



Learn

认知计算是什么,您如何做好迎接这个新时代的准备?


Develop

跟随 Waston 快速入门介绍赶快构建您的第一个认知应用程序。


Connect

联系 Watson 开发者论坛上的技术专家,他们会为您提供帮助。




最新推荐

  • 将业务聊天机器人移植到 Watson Assistant

    在这篇文章中,Watson Applied Research 团队成员介绍了他们如何使用 Watson Assistant 帮助客户改进聊天机器人。

  • 提高人机交互的简单性和质量

    认知计算在企业中变得越来越重要。本系列的第 4 部分将讨论为电信和媒体娱乐行业构建认知解决方案的主要方法和模式。

  • Code Pattern:创建虚拟现实语音沙箱

    这个 Code Pattern 演示了如何只使用两个 Watson 服务为虚拟现实环境构建先进的交互式语音系统。

  • Keras 入门

    本文为您提供了基于 Python 的深度学习库 Keras 的快速概述。了解此框架的优势、支持的平台、安装注意事项以及支持的后端。

  • Deeplearning4j 入门

    Eclipse Deeplearning4J (DL4J) 是包含深度学习工具和库的框架, 并内置集成了 Apache Hadoop 和 Spark。通过本教程学习 DL4J 入门的相关知识。

  • 有监督学习模型

    本文介绍了有监督学习的理论和概念,包括三种有监督学习方法及它们在探究数据和数据集及计算概率方面的应用。

  • 用于数据分类的无监督学习

    无监督学习算法对发现数据的隐含结构和异常检测等任务很有用。通过本教程您可以了解无监督学习背后的理论和概念,以及它在数据和数据集探索中可能的应用。

  • 人机通信模型

    本文从知识、感知、动机、推理、学习这 5 个元素介绍认知系统,教您创建一种真正的认知体验。

  • PyTorch 入门

    PyTorch 是原生 Python 包,它在 Python 中重新设计和实现了 Torch,其速度和灵活性促进了新的深度学习算法的研究和开发。

  • TensorFlow 入门

    本教程提供了关于 TensorFlow 的入门基础知识,包括该框架的好处、支持的平台、安装应该考虑的因素,以及支持的语言和绑定等。