刚开始学习数据科学时，笔者经常面临这样一个问题：遇到具体问题，选择何种算法才合适。也许你也和我一样，搜了很多有关机器学习算法的文章，会看到许多详细的描述，却并没有减少让抉择的难度。问题陈述2：深挖客户统计数据用以识别模式。问题陈述12：根据车辆特性预估车辆

本文主要对时间序列数据进行预测。我们将用Python构建三个不同的模型，并检查它们的结果。我们将使用的模型有ARIMA、LSTM和Facebook Prophet。通常，循环神经网络具有“短期记忆”，因为它们使用在当前神经网络中使用的持久先前信息。这意味着

难道神经网络不用学权重也能完成各种任务？难道我们以为 CNN 学习到的图像特征只是我们以为？神经网络只不过是函数的排列组合，没有其它意义？从这篇论文来看，这些答案似乎都是肯定的。昨天，谷歌大脑 David Ha 等人一篇名为《Weight Agnostic

之前，OpenAI GPT-2 因为太能生成假新闻而不提供开源。而最近，华盛顿大学和艾伦人工智能研究所的研究者表示，要想对抗假新闻，用对应的假新闻生成器是最好的方法。研究者通过大量实验表示，最了解假新闻缺点、假新闻「造假水平」的会是原本的生成器。因此想要判

使用机器来做翻译的想法最早由Warren Weaver在1949年提出。随着统计学的发展，统计模型开始被应用在机器翻译中，它基于对双语文本语料的分析生成翻译结果。这种方法被称作统计机器翻译，SMT的性能优于RBMT，在1980s至2000s，SMT方法主导

选自 NIPS 2018,机器之心编译,作者：Mehrdad Yazdan,参与：路雪、思源。反向传播是常用的学习算法，但它存在一些缺陷，如过于敏感、依赖大量条件和约束。反向传播算法是很多机器学习算法中主要使用的学习算法。本论文仅研究误差项的线性反向传播，

选自offconvex，作者：John Miller，机器之心编译，参与：乾树、张倩、思源。在过去几年中，虽然循环神经网络曾经一枝独秀，但现在自回归 Wavenet 或 Transformer 等模型在各种序列建模任务中正取代 RNN。机器之心在 GitH

运行深度神经网络对计算能力、能耗及磁盘空间要求甚高，智能手机的计算资源十分有限，需要多种优化才能高效运行深度学习应用。本文介绍了如何在移动设备的各种指标之间取得平衡，在避免大幅度降低准确性的前提下构造更加轻便的神经网络，使得在移动设备上快速、准确地运行神经

随着新技术和新工具的出现，构建神经网络已不再是一件需要大量机器学习相关知识的工作了。本文将会教你以 JavaScript 库 Brain.js 为基础，构建并训练自己的神经网络。首先，本文作者还不是神经网络或机器学习方面的专家。坦率的说，我仍然对人工智能的

sigmoid 函数在两侧会出现梯度趋于零的情况，会导致训练缓慢。

腾讯 AI Lab 在 2018 年 AAAI 中入选论文 11 篇，其中一篇与 IBM Research、The Cooper Union 和加州大学戴维斯分校合作的论文入选口头报告 。这篇论文提出一种基于弹性网络正则化的攻击算法，该算法将对抗样本攻击

本文全面概述了深度神经网络的压缩方法，主要可分为参数修剪与共享、低秩分解、迁移/压缩卷积滤波器和知识精炼，本论文对每一类方法的性能、相关应用、优势和缺陷等进行独到的分析。机器之心简要介绍了该论文，更详细的内容请查看原论文。此外，近来智能可穿戴设备的流行也为

神经网络中的注意机制，也被称为神经注意或注意，最近也得到了人们越来越多的关注。在本文中，作者将尝试为不同机制和用例找到共同点，此外还将描述并实现两个软视觉注意机制范例。本文作者 Adam Kosiorek 为牛津大学在读博士。设 x∈Rd 为输入，z∈Rk

作者 Yanchen 毕业于普林斯顿大学机器学习方向，现就职于微软Redmond总部，从事大规模分布式机器学习和企业级AI研发工作。在该篇文章中，作者介绍了实时深度学习的推理加速和持续性训练。在本报告中，我们将介绍深度神经网络推理加速和产品场景下的持续性训

深度学习技术兴起后，基于神经网络训练出的 Word Embedding 来进行文本匹配计算引起了广泛的兴趣。Word Embedding 的训练方式更加简洁，而且所得的词语向量表示的语义可计算性进一步加强。但是，只利用无标注数据训练得到的 Word Emb

近日，arXiv 上公开的一篇 NIPS 投稿论文《Self-Normalizing Neural Networks》引起了圈内极大的关注，它提出了缩放指数型线性单元而引进了自归一化属性，该单元主要使用一个函数 g 映射前后两层神经网络的均值和方差以达到归

6 月 5 日开幕的 WWDC 2017 开发者大会上，苹果正式推出了一系列新的面向开发者的机器学习 API，包括面部识别的视觉 API、自然语言处理 API，这些 API 的背后都有 Core ML 机器学习框架的身影。苹果软件主管兼高级副总裁 Crai

卷积神经网络对编码来说是一个真正令人头痛的问题。他们的先进结构和数据处理需要提供图像使它比一般的神经网络更难。deployml新补丁支持卷积网络训练和部署。在本教程中，我们可以通过几行Python代码来训练、评估和部署一个应用程序。pip install

去年 DeepMind 在自然期刊上曾介绍过一种记忆增强式的神经网络形式-可微神经计算机。而近日，DeepMind 开源了可微神经计算机的实现，该实现是基于 TensorFlow 和可在 TensorFlow 中快速构建神经网络的 Sonnet。DNC 的

PyTorch是Python的主要开源机器学习库。PyTorch通常用作其他机器学习库的替代品，例如TensorFlow。特别是，由于与其他库相比，执行某些任务的记录速度更快，因此PyTorch在机器学习爱好者中获得了一些青睐。PyTorch是由Faceb