本文简要介绍了作者在初次进行机器学习的操作时所遇到到情况与得到的教训。数据集该数据集取自kaggle.com。该数据集旨在为有志向的机器学习从业者提供一个玩具示例。在接下来的文章中，我将描述我们处理这个数据集所遵循的工作流程，并证实线性模型应该始终在你的工

本文约5000字，建议阅读15分钟。本文为你概述处理不同NLP问题时的具有卓越性能的方法、技术和框架等。NAACL- HLT是A级同行评审会议，是继计算语言学协会会议之后，计算语言学界的又一重要事件，即自然语言处理。同时，读者可能会发现一些非常通用的想法在

本文约2700字，建议阅读7分钟。当数据科学或者机器学习工程师使用Scikit-learn、Tensorflow、Keras 、PyTorch等框架部署机器学习模型时，最终的目的都是使其投入生产。但是，我们往往会忘记主要目标，即从模型预测结果中获得实际的价

机器学习科学家 Andreas Mueller 最近撰文表示大家都引用错定理了，其实事情比这更复杂，也有更深远的启示。这个定理中的假设并不是机器学习研究中常用的那个数据来自某个给定分布中的独立同分布假设，恰恰相反，Wolpert 假设数据是一个有限集，而且

本文约2400字，建议阅读10分钟。本文将简要介绍什么是机器学习，其运作原理，以及两个主要的机器学习的算法。简介本文中，数据科学创业公司Yhat的前联合创始人，现任Waldo的联合创始人兼首席技术官Greg Lamp将会为我们这些机器学习菜鸟分享他对机器学

作者 | 琥珀出品 | AI科技大本营近日，一个在 GitHub 上开源即收获了 3700+ Star 的项目，引起了营长的注意。据介绍，该项目以 TensorFlow 和 Scikit-learn 的机器学习框架的基础库为例，详细介绍了如何成为一名机器学

文本将介绍来自全球10所著名学府的机器学习和数据科学领域的免费公开课程，范围涉及从入门机器学习到自然语言处理等。课程的主题来自经典统计、机器学习、数据挖掘、贝叶斯统计和优化。学生将学习机器学习算法的基本数学概念，但本课程同样关注使用Python编程生态系统

本文共2400字，建议阅读9分钟。传统的卷积运算，要成为过去时了。Facebook和新加坡国立大学联手提出了新一代替代品：OctConv，效果惊艳，用起来还非常方便。OctConv就如同卷积神经网络的“压缩器”。OctConv也获得了众网友的认可。降低算力

本文约2200字，建议阅读10分钟。本文总结了四种机器学习主流定义，分别从学习的优化过程、计算力、相似性和算法，研究了先驱者们和著名研究员们对机器学习本质的理解。这是一篇不是十分正式的文章，旨在探讨机器学习的本质。毫无疑问，过去你已经读过许多关于机器学习的

在本项目中，作者为大家准备了 ML 算法工程师面试指南，它提供了完整的面试知识点、编程题及题解、各科技公司的面试题锦等内容。[导 读]春季到来，春招不久也会开始。目前该 GitHub 项目已经有 1 万+的收藏量，想要跳一跳的同学快来试试吧。后面从算法到笔

在过去的一个月中， 作者从近 1400 篇有关机器学习的文章中挑选了最有可能帮助职业生涯发展的 10 篇推荐给大家。（此前发布过多篇收藏党喜欢的文章，也是来自Mybridge：①Python 开源项目 Top 10 精选，平均star为1128！该算法被称

针对深度学习的技术瓶颈，清华大学张钹等多位院士、教授给出了自己的研究思路。演讲中，他们再次明确指出深度学习的缺陷，进而点出，在可以预见的未来里，随着研究的推进，当下的深度学习算法将会逐步被拉下神坛。因此，深度学习存在缺陷，这一问题短期内并不会妨碍AI当下不

本书系统介绍DL在NLP常见问题中的应用，是目前研究领域最新、最全面的综述。[ 导读 ]邓力博士及刘洋博士等人合著的 Deep Learning in Natural Language Processing 一书系统介绍深度学习在 NLP 常见问题中的应用

本文约2100字，建议阅读10分钟。本文为你介绍5个有关TensorFlow的机器学习课程，来帮助你进一步了解数据科学和人工智能。如果您对人工智能、数据科学和机器学习感到好奇，那么我相信您已经听说过Google的机器学习API TensorFlow，他们已

为什么我们需要机器学习？机器学习可以解决人类不能直接用编程来应对的复杂难题，因此，我们喂给机器学习算法大量的数据，以期得到想要的答案。再者是机器学习方法。然后，机器学习算法拿这些例子，并产生一个程序来完成这项工作。标准的感知器体系结构遵循前馈神经网络模型，

AI科技大本营1月28日消息，《麻省理工科技评论》新兴科技峰会EmTech China在北京召开，营长也受邀参加，会上有多位人工智能领域的重磅大佬出没，Dan Roth 就是其中一位。说起Dan Roth，他可是全球自然语言处理领域的顶级专家，宾夕法尼亚大

Yann LeCun、Tom Dietterich、Gary Marcus在NIPS 2015上讨论。昨天，纽约大学教授、Uber AI实验室前任主管Gary Marcus抨击当前的深度学习过于肤浅的文章在国内流传甚广。但跟Marcus同为纽约大学教授的Y

对话系统本质上是通过机器学习和人工智能等技术让机器理解人的语言。它包含了诸多学科方法的融合使用，是人工智能领域的一个技术集中演练营。图1给出了对话系统开发中涉及到的主要技术。下面逐步给出说明。矩阵计算主要研究单个矩阵或多个矩阵相互作用时的一些性质。概率统计

本文介绍了数据科学家使用的十大机器学习算法和其特性。举个例子来说，你不能说神经网络永远比决策树好，反之亦然。模型运行被许多因素左右，例如数据集的大小和结构。当然，你尝试的算法必须和你的问题相切合，其中的门道便是机器学习的主要任务。KNN的模型用整个训练数据

本文为大家带来了斯坦福大学PH.D Aditya Grover同学的深度生成模型tutorial。[ 导读 ]当地时间 7 月 13 - 19 日，备受关注的 AI 顶级国际会议 IJCAI 在瑞典斯德哥尔摩举行。生成模型是图模型与概率编程语言中概率推理的