近年来，越来越多的优秀的机器学习工具不断涌现，如 TensorFlow、 PyTorch、 Caffee 和 CNTK、用于大规模数据的 Spark 和 Kubeflow，以及用于各种通用模型的 scikit-learn、 ML.NET 和最近的 Trip

机器学习面试宝典，有这一本就够了。在机器学习和数据科学岗位的面试中，机器学习领域的概念是经常考察的内容。一位近期经过 27 次 AI 领域面试的开发者根据自己的面试实战经验撰写了一份机器学习资料。这份资料适用于机器学习初学者，包含机器学习中经典常用的基础概

下面，我将和您一起探讨目前十大针对机器学习的文本注释工具与服务。您可以根据自己项目的实际情况，从中做出选择并试用。Tagtog是一款由波兰软件公司开发的工具，可用于自动化或手动注释文本。Tagtog既支持原生的PDF注释，又包含了可用于自动化文本注释的预训

本文转自雷锋网，如需转载请至雷锋网官网申请授权。TensorFlow是由谷歌大脑的研究人员创建、最大的机器学习和数据科学的开源数据库之一。它是一个端到端平台，适合完全没有经验的初学者和有经验的数据科学家。TensorFlow库包括工具、预训练模型、机器学习

人工智能正迅速成为区别业务优劣的因素。下面来看看你即将需要为人工智能精英团队填补的关键职位和技能。人工智能有望改变各行各业，随之而来许多工作职能会发生巨变。随着行使职责的IT和业务人员的数量转变，同发生的是出现旨在充分利用组织人工智能战略的新工作。机器学习

机器学习算法可实时提供更广泛，更可靠的数据，目前很多领域都使用到智能算法。从常规的官方电子邮件到市场营销活动，智能算法已成为一种生活方式。企业可以通过机器学习技术来计算和量化其生产来源，而不会造成浪费。机器学习是为逻辑思维设计的领域，作为职业，它要求高度关

算法公式挺费神，机器学习太伤人。任何一个刚入门机器学习的人都会被复杂的公式和晦涩难懂的术语吓到。但其实，如果有通俗易懂的图解，理解机器学习的原理就会非常容易。本文整理了一篇博客文章的内容，读者可根据这些图理解看似高深的机器学习算法。抛却了晦涩难懂的理论介绍

批归一化是深度学习领域的重大突破之一，也是近年来研究人员讨论的热门话题之一。批归一化是一种被广泛采用的技术，能够使训练更快、更稳定，并已成为深度学习领域很具影响力的方法之一。然而，它仍然存在一些要注意的问题。这种现象被称为内部协变移位。为了防止这种情况的发

Machine learning is like highschool sex. Everyone says they do it, nobody really does, and no one knows what it actually is. [1

当你踏上机器学习之旅时，搞清楚监督学习和无监督学习是你应该做的第一件事。而对于新手而言，“监督学习和无监督学习有什么区别?”，是最为常见不过的问题。其答案在于理解机器学习算法的本质。如果sSDBQIF不了解线性回归、逻辑回归、聚类、神经网络等算法的适用范围

机器学习以分析大型数据集和模式识别的能力而闻名。而机器学习使用的算法，是利用了先前的数据集和统计分析来做出假设并对行为进行判断的。不过，尽管机器学习存在挑战，但它仍然是识别网络安全威胁并减轻风险的理想选择。攻击者试图通过木马恶意软件在数千台计算机上安装加密

分布最广的物联网设备往往体积很小、电量有限。它们被作为终端硬件，通过嵌入式传感器采集各种数据；计算能力有限，对功耗极为敏感。一个趋势是，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。在终端和边缘侧的微处理器上，实现的机器学习

未来，构建 ML 产品将更加有趣，并且这些系统会工作得更好。随着 ML 自动化工具的不断改进，数据科学家和 ML 工程师将把更多的时间花在构建优秀的模型上，而花在与生产级 ML 系统相关的繁琐但必要的任务上的时间会更少。AI 是一个系统工程问题。构建一个

到了 2020 年，我们已经能找到很多好玩的机器学习教程。本文则从最流行的随机森林出发，手把手教你构建一个模型，它的完整流程到底是什么样的。最受欢迎的方法之一是随机森林。我们可以在随机森林上调整超参数来优化模型的性能。在用模型拟合之前，尝试主成分分析也是常

从概念上说，机器学习旨在通过对机器进行训练，通过处理现实数据的方式，提供预期的输出。那么自动化机器学习的概念显然是要使得整个过程彻底实现自动化。自动化机器学习的不同实现方式可以根据它们所对应的成熟度，进行不同级别的分类。对于目标任务而言，系统仅负责搜索和选

数不清的企业通常使用机器学习来辅助决策。但是，在大多数情况下，机器学习系统做出的预测和业务决策仍然需要人类用户的直觉来做出判断。在本文中，我将展示如何将ML与敏感性分析结合起来以开发数据驱动的业务策略。这篇文章重点关注客户流失，同时涵盖了使用基于ML的分析

Python算法：从入门到进阶，GitHub的star超过3万！算法的基本原理讲解算法的代码实现嗨喽：正在学习python的小伙伴或者打算学习的，可以私信小编“01”领取资料！算法的基本原理讲解本部分包括排序算法、搜索算法、插值算法、跳跃搜索算法、快速选择

数据转换率较低会严重影响机器学习发挥的作用，这就是需要意识到这一点很重要的原因。如今，机器学习以多种有益的方式改变着市场的未来发展。数字营销研究机构的调查报告表明，97%的决策者认为机器学习技术将促进未来市场发展。营销人员可以采用多种策略来使用机器学习算法

MLK，即Machine Learning Knowledge，本专栏在于对机器学习的重点知识做一次梳理，便于日后温习，内容主要来自于《百面机器学习》一书，结合自己的经验与思考做的一些总结与归纳。本次主要讲解的内容是机器学习里的非监督学习经典原理与算法，

搞机器学习的小伙伴们，免不了要在各种数据集上，给AI模型跑分。现在，Papers with Code 团队，推出了自动跑分服务，名叫sotabench，以跑遍所有开源模型为己任。有了它，不用上传代码，只要连接GitHub项目，就有云端GPU帮你跑分；每次提