人工智能 AI 正在加快速度从云端走向边缘，进入到越来越小的物联网设备中。而这些物联网设备往往体积很小，面临着许多挑战，例如功耗、延时以及精度等问题，传统的机器学习模型无法满足要求，那么微型机器学习又如何呢？在 NASA 的推动下，小型化的电子产品成为了一

人工智能往往被视为一种暗箱实践，即人们并不关注技术本身的运作方式，只强调其能够提供看似正确的结果。遗憾的是，将AI视为暗箱过程会产生信任与可靠性等问题。从纯技术的角度来看，这也导致我们难以分析或解决AI模型中存在的问题。不少企业已经将人工智能元素纳入自家产

如果你对数据科学感兴趣，那么可能对这个工作流程很熟悉：通过运行Jupyter notebook开启一个项目，然后开始编写python代码、运行复杂的分析甚至训练模型。随着notebook文件的函数、类、图和日志的大小不断增长，你会发现自己面前堆积了巨大的

在“哈利.波特”的世界中，分院帽是一种算法，可以获得学生的行为历史、喜好和性格等方面的数据，然后据此作出决定，确定学生应该进入霍格沃茨学校里的哪一个分院。如果现实世界里存在这样的分院帽的话，它应该会是机器学习应用程序，可以根据复杂的数据集自主地做出决策。如

新冠期间，以人工智能为技术基础的系统表现出了点儿问题。病毒都能感染人工智能了嘛?当然不是，被影响到的是人类。没有了人工介入，人工智能和机器学习系统都不能良好运转了。从商业的角度看，很多公司都会在人工智能和机器学习方面大量投资。但这种说法只能说是部分正确，因

机器学习公平性的研究真的走在正确的道路上吗?因此可以说，从社会影响层面来讲，考虑一个机器学习系统在做决策时，是否会对弱势群体造成更加不利的影响，至关重要。然而现实生活中大多数却是动态的、有反馈的场景，机器学习算法运行的背景往往对算法的决策具有长期的关键性影

2019 年无疑是忙碌的一年。人工智能的进步和新闻频频登上头条新闻，让我们的生活充满了敬畏和自豪的时刻，但一些其他时刻充却斥着一种恼人的想法，那就是这项技术让人们发现，我们的社会并没有准备好迎接人工智能的普及。随着研究人员攻城略地，迅速攻克以前难以企及的

「150 successful Machine Learning models: 6 lessons learned at Booking.com」是一篇绝佳的综述，它结合了 Booking.com 大约 150 个面向客户的成功的机器成功应用以及从中得到

在本文中，Ibotta机器学习和数据科学经理 Evan Harris 介绍了他们的开源项目 sk-dist。这是一个分配 scikit-learn 元估计器的 Spark 通用框架，它结合了 Spark 和 scikit-learn 中的元素，可以将 sk

“机器学习”这个术语赋予了神奇的光环。普通人通常不会采用机器学习，而数据科学家才是高度专业化的炼金术士，他们在研究部门和实验室中将数据转化为“黄金”，而只是简单地说机器学习是一门科学，在此之外几乎没有提供解释。当然，这可能是一个鲜为人知的事实，但多年来机器

无监督学习的特点是，模型学习的数据没有标签，因此无监督学习的目标是通过对这些无标签样本的学习来揭示数据的内在特性及规律，其代表就是聚类。与监督学习相比，监督学习是按照给定的标准进行学习，而无监督学习则是按照数据的相对标准进行学习。但如果小时候没人教你区别猫

本文转自雷锋网，如需转载请至雷锋网官网申请授权。我们经常会听到，大数据是建立成功的机器学习项目的关键。一个主要的问题是：许多组织没有你需要的数据。在没有基本的、必要的、未经处理数据的情况下，我们应该如何为机器学习的概念建立原型并加以验证呢？在我工作的地方，

如何用一种通俗易懂的方式阐述机器学习和人工智能领域最重要的话题?人工智能已成为未来的趋势。汽车可以自动驾驶，计算机在围棋比赛上打败了人类，机器人也在抢走人类的工作。不久后，机器人将推翻人类的政府，奴役我们的后代……想象一下这类人在数学课上是不是都不太专心—

再也不用在学机器学习之前先恶补英语了，这儿有一套超热门的优质中文资源可以选择。这套名叫AI Learning的GitHub资源，汇集了30多名贡献者的集体智慧，把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。目前资源在GitHub上

我是XXX的硕士，机器学习专业，我研究方向偏向于深度学习；然后我本科是XXX的物联网工程专业，本科做过两个项目：。基于大数据的股票市场分析基于用户操作的推荐系统 ；研究生阶段目前印象最深是做了两个项目：。2）数据查询：再次使用哈希函数将key转换为对应的数

在任何快速发展的话题上，总是有一些新的东西可以学习，机器学习也不例外。这篇文章将指出5件关于机器学习的事，5件你可能不知道的，可能没有意识到，或是可能曾经知道，现在被遗忘了。请注意，这篇文章的标题不是关于机器学习的"最重要的5件事情"或

在金融领域，机器学习可能会产生神奇的效果，尽管它本身并没有什么神奇之处。然而，机器学习项目的成功更多依赖于构建高效的基础结构、收集适当的数据集和应用正确的算法。机器学习正在对金融服务业产生重大影响。我们可以将机器学习看作是数据科学的一个子集，它使用统计模型

通过基于区块链市场的数据训练获得机器学习模型，能够有潜力来创造世界上最具影响力的人工智能。他们将两个部分组合起来：私有机器学习，这可以进行在私密信息上进行训练，而且不用泄露信息，同时基于区块链给予激励，这样做可以让这些系统吸引最好的数据和模型，让它们更加聪

初学机器学习，写篇文章mark一下，希望能为将入坑者解点惑。本文介绍一些机器学习的入门知识，从安装环境到跑通机器学习入门程序MNIST demo。环境搭建 了解Tensorflow运行机制 MNIST softmax性线回归 MNIST

虽然人类社会到今天经历过大大小小很多次技术变迁和革命，但很明显，机器学习是目前技术领域最热门的技术之一。今年早些时候，Stack Overflow发布了一项大规模开发人员调查的结果，机器学习专家在薪酬方面仅次于DevOps专家。机器学习正在经历一段繁荣时期