自动机器学习是一个新兴的领域，在这个领域中，建立机器学习模型来建模数据的过程是自动化的。AutoML 使得建模更容易，并且每个人都更容易掌握。在本文中，作者详细介绍了四种自动化的 ML 工具包，分别是 auto-sklearn、TPOT、HyperOpt

在深度学习刚刚进入视线时，大多数AI研究人员嗤之以鼻，但短短几年后，它的触角已经横跨医疗、教育、汽车等众多领域。AI 在深度学习的加持下，近几年在人脸识别、围棋、Dota等任务上屡屡击败人类，这种趋势似乎也在暗示：深度学习就是打开人工智能宝藏的钥匙。本文作

深度学习擅长在大量数据中发现模式，但无法解释它们之间的联系，而图灵奖获得者Yoshua Bengio想要改变这一点。今年3月，Yoshua Bengio凭借着在深度学习技术的突出贡献而获得图灵奖，这是计算机科学领域的最高荣誉。“将因果关系整合到AI当中已经

围绕人工智能这一重要支持技术的快速成功，可以进一步增加对更广泛的数字转型和创新举措进行更多投资的商业案例。准备和实施人工智能项目可能是一个多年的旅程。根据新的调查数据，只有28%的受访者表示，其第一年就通过了人工智能规划阶段。无论是作为企业创新计划的一部分

如果你在读这篇文章，那么你可能已经开始了自己的深度学习之旅。为了帮助开发这些架构，谷歌、Facebook 和 Uber 等科技巨头已经为 Python 深度学习环境发布了多款框架，这让人们可以更轻松地学习、构建和训练不同类型的神经网络。本文将详细介绍和

移动设备相较于 PC ，携带便携，普及率高。近年来，随着移动设备的广泛普及与应用，在移动设备上使用深度学习技术的需求开始涌现。作者 dangbo 在《移动端深度学习展望》一文中对现阶段的移动端深度学习做了相关展望。作者认为，现阶段的移动端 APP 主要通

对于个人和公司来说，存在许多状况是更希望在本地设备上做深度学习推断的：想象一下当你在旅行途中没有可靠的互联网链接时，或是要处理传输数据到云服务的隐私问题和延迟问题时。边缘计算是一种在物理上靠近数据生成的位置从而对数据进行处理和分析的方法，为解决这些问题提供

给自然语言处理领域带来最深刻影响的神经网络结构; 深度学习可以对自然语言处理的各个层面制定学习任务; 密集词汇表示的重要性和学习表示的方法。介绍; 神经网络结构; 特征表示; 前馈神经网络; 词嵌入; 神经网络训练

撕逼大战，从某种角度，标志着一个产业的火热。最近，大火的深度学习，也开始撕起来了。但是呢，只有极少数情况下，你才能拿到足够的数据，这样看来，深度学习也就没那么大用处了。帖子原文标题为“Don’t use deep learning your data is

在Google I/O 2016的主题演讲进入尾声时，谷歌的CEO皮采提到了一项他们这段时间在AI和机器学习上取得的成果，一款叫做Tensor Processing Unit的处理器，简称TPU。在这个月看来，第一代的TPU处理器已经过时。在今天凌晨举行的

这次主要概述了时间序列数据存在的特殊挑战，并提供了工作的评价，其含有把时间序列应用到非监督特征学习算法或者是有选择的促成特征学习算法的变动去考虑目前时间序列数据的挑战。建模连续数据的传统方法包括从假定时间序列模型参数的估计，如自回归模型和线性动力系统，和著

2015年11月9日谷歌开源了人工智能平台TensorFlow，同时成为2015年最受关注的开源项目之一。经历了从v0.1到v

作者近来在同时做一个应用深度学习解决淘宝商品的类目预测问题的项目，恰好硕士毕业时论文题目便是文本分类问题，趁此机会总结下文本分类领域特别是应用深度学习解决文本分类的相关的思路、做法和部分实践的经验。淘宝商品的一个典型的例子见下图，图中商品的标题是“夏装雪纺

与此同时，越来越多的机器学习算法从学术界走向工业界，而在这个过程中会有很多困难。数据不平衡问题虽然不是最难的，但绝对是最重要的问题之一。SMOTE为每个小众样本合成相同数量的新样本，这带来一些潜在的问题：一方面是增加了类之间重叠的可能性，另一方面是生成一些

自然语言处理研究的问题是关于如何构建通过处理和理解语言来执行某些任务的系统。传统的 NLP 方法涉及很多语言学领域自身的知识。本文将以这样的方式来组织文章的内容结构：我们将首先浏览一下构建 NLP 深度网络的基本构建块，然后来谈一谈最近研究论文所能带来的