本文转自雷锋网，如需转载请至雷锋网官网申请授权。深度学习是一个很大的领域，其核心是一个神经网络的算法，神经网络的尺寸由数百万甚至数十亿个不断改变的参数决定。似乎每隔几天就有大量的新方法提出。然而，一般来说，现在的深度学习算法可以分为三个基础的学习范式。每一

企业选择错误的人工智能存储平台可能会产生严重影响。因此，人们需要了解可能影响企业选择人工智能数据存储策略的6个准则。人工智能和机器学习如今已成为企业最重要的两个工具，可帮助企业利用其核心数字资产创造竞争优势。但是在采用人工智能数据存储之前，企业必须根据机器

大数据和人工智能够帮助企业以新的方式改善客户体验。人工智能和大数据之间的关系是双向的。大数据中的“大”曾经被视为一种挑战而不是机遇，但随着企业开始推广机器学习和其他人工智能学科的应用，这种情况正在发生变化。

CPU是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强，计算能力则位于其次。而GPU相当于一个接受CPU调度的“拥有大量计算能力”的员工。GPU只是显卡上的一个核心元件，又不能单独工作，它还需要缓存来辅助工作。独立显卡是直接焊死了GPU在显

数据问题是企业的人工智能项目没有达到预期目标的主要原因。但是，如果企业能从错误中吸取教训并长期坚持，那么在人工智能方面的努力将会得到回报。18个月前，Cooper公司为其客户服务代理商推出了智能推荐系统，以便为客户问题提供解决方案。Cooper公司陷入人工

TensorFlow 是很多科学家、工程师和开发人员的首个深度学习框架。虽然 TensorFlow 1.0 早在 2017 年 2 月就发布了，但使用过程中对用户不太友好。过去几年里，Keras 和 PyTorch 日益成为广受用户欢迎的两种深度学习库，

什么样的问题才能通过机器学习来解决呢？首先，问题不能是完全随机的，需要具备一定的模式；再次，有大量的数据可供使用。机器学习的任务就是使用数据计算出与目标函数最接近的假设，或者说拟合出最精确的模型。机器学习处理过程在数据的基础上，通过算法构建出模型并对模型进

　机器学习岗位的面试中通常会对一些常见的机器学习算法和思想进行提问，在平时的学习过程中可能对算法的理论，注意点，区别会有一定的认识，但是这些知识可能不系统，在回答的时候未必能在短时间内答出自己的认识，因此将机器学习中常见的原理性问题记录下来，保持对各个机器

“人工智能”这个词一开始是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能是对人的意识、思维的信息过程的模拟。人工智能开发主要学哪门语言？据了解，人工智能目前主要是机器学习实现的，而目

Turi Create 简化了定制机器学习模型的开发。你不需要成为一个机器学习专家，也可以在你的应用中添加建议、对象检测、图像分类、图像相似性或活动分类。Turi Create 的设计意图是简单易用，具有视觉界面，灵活和快速。此外，它还可以部署在 iOS、

深度学习确实在一定程度上改变了机器学习，特别是在图像识别任务中。2012年，Alex-net发起了一项的竞赛，以解决或至少显著改善了计算机视觉任务。虽然主要思想非常稳定，但研究人员采取了截然不同的方式：。另一方面，在深度学习中不断增长的工作表明当前方法存在

在自然语言处理领域，深度学习的承诺是：给新模型带来更好的性能，这些新模型可能需要更多数据，但不再需要那么多的语言学专业知识。关于深度学习方法有很多炒作和大话，但除了炒作之外，深度学习方法正在为挑战性问题取得最先进的结果，特别是在自然语言处理领域。在这篇文章

最近我无意间在「Best Python library for neural networks」话题下发现了一个我以前的数据科学栈交换的答案，并且 Python 深度学习生态系统在过去两年半中的演变打击到了我。我在 2014 年 7 月推荐的库，pyle