我们之前的机器学习专题已经结束了，我们把机器学习领域当中常用的算法、模型以及它们的原理以及实现都过了一遍。虽然还有一些技术，比如马尔科夫、隐马尔科夫、条件随机场等等没有涉及到。但是这些内容相比来说要弱一些，使用频率并不是非常高，我们就不一一叙述了，感兴趣的

近年来，深度学习工程师一直是最受市场欢迎的高薪工作之一，但是昨天hacker news上一则消息登上热搜：在过去半年里，深度学习岗位已经崩塌了。目前，这只是疫情冲击下的短期影响。2018年5月至2019年，在Indeed网站上对AI相关的搜索量减少了14.

或许对于每一个领域来说，停下脚步去思考，与低头赶路一样重要。在人脸识别、指纹识别等开集分类的任务中，类别数往往很多而类内样本数比较少。在这种情况下，基于深度学习的分类方法常表现出一些局限性，如缺少类内约束、分类器优化困难等。而这些局限可以通过深度度量学习来

来试试这个简单的实际问题吧！接下来这篇文章旨在向你介绍深度学习如何应用到一个有趣的问题。今天我们将用深度学习来解决年龄检测问题。如果你是刚刚想要进入深度学习领域的newboy。请先阅读下面的文章，它们能帮你了解并且快速进入深度学习领域：

主流深度学习框架先简单看一下深度学习的定义。深度学习是机器学习中的一个研究方向，它基于一种特殊的学习机制。这种分层学习思想模拟的是人脑接受外界刺激时处理信息和学习的方式。2017年1月30日，MXNet进入Apache基金会，成为Apache的孵化器项目。

本文中，作者通过GitHub、Medium文章、arXiv论文和领英等维度评估了不同神经网络框架的最新发展趋势。2018年9月，作者曾就需求、使用和受欢迎程度三方面比较了所有主要的深度学习框架，其中TensorFlow是无可争议的重量级冠军，PyTorch

深度学习仍然是机器学习领域最热门的技术。深度学习框架变化迅速，仅仅五年前 Theano 还一枝独秀，而最近出现了各种各样的框架，它们都有不同的特性。在本文中，为了评估 2018 到底哪些框架比较流行，作者从领英职位需求、谷歌搜索热度、Medium 文章

在工程领域，机器学习的应用并不如想象中多，而深度学习每天都在改变生活。入门深度学习的好课不仅让你了解技术领域的前沿，还能帮助你提升求职竞争力。以下 8 门课程推荐给你。其中包含最基本的深度学习知识(基础课)，包括什么是深度学习?如何编写程序构建卷积神经网

深度学习，又叫Unsupervised Feature Learning或者Feature Learning，是人工智能的研究方向之一，是一种基于多层神经网络技术的机器学习。目前深度学习是非常热门的技术，已经在诸多领域尝试展开应用，尤其是数据中心。通过深

百度深度学习框架PaddlePaddle自2016年开源以来，受到了业界的广泛关注，已经成为全球发展热度增速最高的开源深度学习平台，PaddlePaddle社区更是汇集了一大批AI技术开发者。开源的模式使PaddlePaddle在近两年取得了快速发展和升级

我觉得人工智能就像是去建造一艘火箭飞船。所以，构建火箭船，你必须要一个巨大的引擎和许多燃料。深度学习也是同样的道理，火箭引擎就是深度学习模型，而燃料就是海量数据，这样我们的算法才能应用上。使用深度学习解决问题的一个常见障碍是训练模型所需的数据量。深度学习只

自从深度学习被引入语音识别后，误字率迅速下降。不过，虽然你可能读到过一些相关文章，但其实语言识别仍然还没有达到人类水准。语音识别已经有了很多失败的模式。而要将 ASR从仅在大部分时间适用于一部分人发展到在任何时候适用于任何人，唯一的方法就是承认这些失败并采

在今天我们发布的这篇文章中，作者 Sonam Srivastava 介绍了金融中的三种深度学习用例及这些模型优劣的证据。我们跟随 Sonam Srivastava 的分析，并展望深度学习在金融领域的运用前景。因为金融生态圈异常复杂，其非线性充斥着大量的相

「多体问题」是看似简单，实际上在当今数学中极难攻克的问题。多体问题是指多个相互作用的实体。在物理学中，任何三体问题都没有一个封闭的形式或解析解。这并不意味着它是不可解的，它只意味着我们必须诉诸于近似和数值技术来进行计算。可以用足够精确的数值计算分析太阳、月

如今在深度学习大火的时候，第三方工具也层出不穷，比较出名的有Tensorflow，Caffe，Theano，MXNet，在如此多的第三方框架中频繁的更换无疑是很低效的，只要你能够好好掌握其中一个框架，熟悉其原理，那么之后因为各种要求你想要更换框架也是很容易

最近Google在ISCA2017上披露了TPU的细节，继Haswell CPU,Tesla K80 GPU之后，又增加了一种专门用于机器学习和神经网络的高性能武器。GPU不仅能实现数据库的许多功能，而且其强大的计算能力，能实现实时分析。MapD和Kine

但我个人对此倒是颇有信心，在我看来在这个十年结束时，深度学习业界将大大简化其功能交付方式，意味着普通开发者也能够理解并加以采用。下面，我将与大家一同探讨关于深度学习未来发展方向的六项预测。最具人气的成果包括TensorFlow、BigDL、OpenDeep