自律和自学这两个词不能掉以轻心。一个人必须对自己的教育和启蒙负责。如果你忽略它，别人就会为你做选择。任何有效的机器学习管道都是数学、代码和数据的交叉。每一项只有和另一项在一起时才会有效果。自学成才的机器学习工程师都明白，就像大自然一样，软件和机器学习项目永

本文转载自公众号“读芯术”。机器学习被称为技术债务的高利率信用卡。对于机器学习生产系统而言，只有5%的实际代码是模型本身。将一组机器学习解决方案转变为端到端的机器学习平台的，是一种运用了加速建模、自动化部署和确保生产中的可伸缩性和可靠性的技术的架构。因此，

随着机器学习领域不断发展，对于处理机器学习的团队来说，在1台机器上训练1个模型已经有些难以为继，并且现在业界的共识是机器学习已经不仅仅是简单的模型训练。对于许多团队来说，将机器学习的模型从研究环境应用到生产环境这一过程困难重重，背负很大的压力。Kubefl

我认为，如果有更多的通才和创造者来构建事物和解决问题，那么世界将会是一个更好的地方。在过去的五年中，机器学习变得更加容易。对于软件工程师来说，这是一件了不起的事情。但不适用于机器学习专家。这是ML向软件工程和数据科学向数据分析的发展。任何人都可以训练AI，

在机器学习中，有许多方法来构建产品或解决方案，每种方法都假设不同的东西。很多时候，如何识别哪些假设是合理的并不明显。刚接触机器学习的人会犯错误，事后想想，这些错误往往会让人觉得愚蠢。我列了一个清单，上面列出了机器学习工程师新手最常犯的错误。希望你能从这些常

今年 8 月份，毕业于斯坦福、现就职于英伟达人工智能应用团队的一位小姐姐在推特上列出了十大优质的免费机器学习课程资源，并将它们串成了一条高效的学习路线。该课程资源现已获得 8000 多赞。近日，她又为读者带来了新的福利，这次是深度学习系统的设计教程。将机器

根据当前技术界的广泛需求，本文将以如下顺序重点介绍，市场上适合于数据科学和机器学习实现的优秀 Python 软件：。实际上，数据科学和机器学习都属于技能范畴，而不仅仅是两项孤立的技术。那么两者之间的关系可以被描述为：机器学习是数据科学的一部分，它利用机器学

机器学习技术的发展已使人们能够从企业的各种结构化或非结构化内容中提取更多的信息和情报。据行业人士分析，有两种力量正在推动机器学习技术和其他支持人工智能技术的使用激增：非结构化内容的惊人增长和使用机器人流程自动化可以实现与内容相关的流程自动化。机器学习是指使

2014 年，谷歌一篇探讨机器学习背后暗藏高额技术债的论文曾火爆一时。看来，即使过了 4 年时间，人工智能进入新的春天，但困扰着机器学习研究者的问题还是类似的问题。本文作者表示，希望这篇论文能够为在生产环境中采用机器学习系统的开发者与维护者提供一些实用建议

TensorFlow 2.0正式发布没几天，PyTorch 1.3今天也上线了。一个疯狂强调“易用性”，一个整出了移动端部署。老将和新秀都卯足了劲。毕竟，机器学习框架的世界，局势变化过于迅猛，稍不注意就会被抢了地盘。一年前，TensorFlow还是各大顶会

但是机器学习还在另一个方面影响软件开发：通过新的开发工具，这种工具使用机器学习技术使编程更轻松、更高效。本文介绍了五个项目：三个商业项目、两个实验项目，它们让机器学习在开发过程中为开发人员所用。Kite是一种代码完成工具，适用于大多数主要的代码编辑器，它使

路线规划作为导航的前提，是根据起点、终点以及路径策略设置，为用户量身定制出行方案。本文将介绍高德地图针对起点抓路准确率的提升，尤其是在引入机器学习算法模型方面所进行的一些探索与实践。起点抓路是指针对用户发起的路线规划请求，通过获取到的用户定位信息，将其起点

做机器学习工程师，通常都要读过博。即便没有写成岗位的必要条件，也慢慢变成了自然规律。那自学成才的人类，要写怎样的项目经历，才能让面试官相信，自己也是有同等能力的呢？一个叫做AdditionalWay的网友，在Reddit提出了这个直击灵魂的问题，引发了大量

不论是在科研中还是在工业领域，机器学习都是个热门话题，新的机器学习方法也层出不穷。机器学习发展迅速又很复杂。对初学者而言，紧跟其发展无疑十分困难，即便是对专家们来说也非易事。机器学习算法(模型)是个表示某一问题所包含数据信息的数学表达式。比如，在线零售商想

在应用机器学习模型时，我们通常会进行数据预处理，特征工程，特征提取和特征选择。在此之后，我们将选择最佳算法并调整我们的参数以获得最佳结果。AutoML 是一系列用于自动化这些过程的概念和技术。将机器学习模型应用于实际问题通常需要很多计算机科学相关技能、领域

当数据科学家最棒的事情之一就是编程。很多时候，我发现自己沉浸在为某个项目从零开始的编程时光中。当你看到你的努力孕育了一个成功的模型时，那是多么的令人兴奋！但是作为一名数据科学家，在不同阶段创建代码检查点同样重要。这也是为什么 GitHub 是一个绝佳的代码

微软宣布开放ONNX Runtime，这是一款用于Linux，Windows和Mac平台的ONNX格式的机器学习模型的高性能推理引擎。ONNX Runtime允许开发人员在任何支持的框架中训练和调整模型，并在云端和边缘高性能运转。微软也正运用其在内部使用O

比如说，为了解决典型的回归问题，超参数调优猜测哪些超参数组合可能获得最佳结果，并运行训练作业来测试这些猜测。测试完第一组超参数值之后，超参数调优使用回归来选择要测试的下一组超参数值。Amazon SageMaker的最佳设计决策之一是，使用Jupyter

3个月前，公司AI团队给我们分享了关于如何利用机器学习帮助我们分析图片、视频中的明星以及地标等。作为一名Web的前端开发者，我很好奇机器学习是如何工作的。我并没计划要系统学习关于机器学习、神经网络、NLP自然语言处理之类的知识，不过光看到这些概念就觉得很有

机器是怎样学习的，都学到了什么？人类又是怎样教会机器学习的？本文通过案例给你讲清楚各类算法的原理和应用。机器学习，一言以蔽之就是人类定义一定的计算机算法，让计算机根据输入的样本和一些人类的干预来总结和归纳其特征和特点，并用这些特征和特点和一定的学习目标形成