机器学习有潜力帮助解决企业和整个世界范围内的各种问题。通常，要开发机器学习模型并将该模型部署到可以在操作上使用的状态，需要对编程有深入的了解，并且需要充分了解其背后的算法。这将机器学习的使用限制在一小部分人中，因此也限制了可以解决的问题数量。这为非数据科学

在任务间迁移知识是人类与生具有的能力。通过完成某个任务所获得的知识，同样可用于解决其他相关的任务。传统机器学习和深度学习算法通常在设计上是独立工作的，这些算法训练用于解决特定的问题。一旦特征空间的分布发生变化，就需要从头开始重新构建模型。本文全面介绍了迁移

由于深度学习模型结构复杂，在NLP领域中迁移学习不够成熟，不知道如何进行迁移、迁移模型的哪个结构部分、源数据集合与目标数据集合之间需要满足怎样的关系。本文以CNN文本分类任务为例进行描述，总结一下迁移学习在NLP领域文本分类任务中的一些经验。

最近，在自然语言处理领域中，使用语言模型预训练方法在多项NLP任务上都获得了不错的提升，广泛受到了各界的关注。就此，我将最近看的一些相关论文进行总结，选取了几个代表性模型和大家一起学习分享。具体来说，语言模型的作用是为一个长度为m的文本确定一个概率分布P，

Angel是一个基于参数服务器理念开发的高性能分布式机器学习平台，它基于腾讯内部的海量数据进行了反复的调优，并具有广泛的适用性和稳定性，模型维度越高，优势越明显。Angel由腾讯和北京大学联合开发，兼顾了工业界的高可用性和学术界的创新性。它将高维度的大模型

每天在微信朋友圈，用户都会或多或少地收到一些广告推送。有的十分精准，有的却未必。机器学习是人工智能的一个重要分支，也是未来技术趋势里的重要角色。那么，微信是怎么做的呢？本文整理自腾讯机器学习高级研究员易玲玲在ArchSummit 北京 2016的演讲。回复

在机器学习中，我们非常关心模型的预测能力，即模型在新数据上的表现，而不希望过拟合现象的的发生，我们通常使用正则化技术来防止过拟合情况。正则化是机器学习中通过显式的控制模型复杂度来避免模型过拟合、确保泛化能力的一种有效方式。如果将模型原始的假设空间比作“天空

点击率是互联网公司进行流量分配的核心依据之一。比如互联网广告平台，为了精细化权衡和保障用户、广告、平台三方的利益，准确的CTR预估是不可或缺的。CTR预估技术从传统的逻辑回归，到近两年大火的深度学习，新的算法层出不穷：DeepFM, NFM, DIN, A

本文介绍了包括 Python、Java、Haskell等在内的一系列编程语言的深度学习库。它可以让 Python 中深度学习算法的编写更为简单。很多其他的库是以 Theano 为基础开发的：。Keras 是类似 Torch 的一个精简的，高度模块化的神经