标签： 学习
从人脸识别到machine翻译：58个超有用的machine learning和预测API
作为程序猿的你，是不是想让自己开发的应用程序也拥有人工智能呢？如果答案是 Yes，那么要怎么做呢？其实我们不用重复发明轮子，KDnuggets 已经为我们整理了 50 多个有用的机器学习和预测的 API，有了这些 API 的加持，就如虎添翼！是不是迫不及待了？走，让我们来看看。
20行Python代码实现能够机器学习的鸡汤句智能生成器
一提到自然语言生成，人们通常会觉得这一定是很先进的 AI 系统，使用了很高级的数学知识。但是，事实并非如此。在本文我（作者 Ramtin Alami——译者注）会用马尔科夫链（Markov chains）和一个很小的鸡汤文数据集生成新的鸡汤文。
牛人的Machine Learning 机器学习笔记目录
牛人的Machine Learning 机器学习笔记目录
深度学习的局限性和未来
本文来自 Keras 作者 François Chollet，同时也是根据他撰写的《Deeping Learning with Python》一书第 9 章第 2 节改编的
[译]面试了8家公司，他们问了我这些机器学习题目……
今年年初以来，作者一直在印度找数据科学、机器学习以及深度学习领域的工作。在找工作的这三十四天里，他面试了8到10家公司，其中也包括初创公司、基于服务的公司以及基于产品的公司。
麻省理工开源了一期深度学习入门级课程
麻省理工学院深度学习和自动驾驶课程，介绍了深度学习的相关知识，以及深度学习在自动驾驶领域的实践和应用。认真补充课程能量，听完之后，就能撸出一台无人驾驶车的算法了。
谷歌中国推出了机器学习自学课程
机器学习速成课程中的编程练习是通过 TensorFlow 并使用 Python 进行编码的。您无需拥有使用 TensorFlow 的任何经验，但应该能够熟练阅读和编写包含基础编程结构（例如，函数定义/调用、列表和字典、循环和条件表达式）的 Python 代码。
人工智能、机器学习和深度学习之间的差异
随着人工智能的巨大进步 – 从无人驾驶汽车领域的进步，到掌握扑克和围棋等游戏，以及自动化客户服务交互 – 这项先进技术将为企业带来革命性的变化。但是，AI，机器学习和深度学习这两个术语经常被随意使用，并且可以互换使用，因为每种技术之间存在重大差异。以下是这三种工具之间差异的指南，可帮助您掌握机器智能。
JavaScript 机器学习编程指南
现在我可以听到人群的叫喊:JavaScript不适合机器学习。你也许是对的。但是有一些原因可以解释，为什么可以使用 JavaScript 去学习机器学习，不仅仅是因为你是一个 Web 开发者。我个人认为它有巨大的潜力。这就是为什么我试图让web开发人员更容易访问这个主题。
机器学习中的置信区间与置信度
机器学习本质上是对条件概率或概率分布的估计，而这样的估计到底有多少是置信度？这里就涉及到统计学里面的置信区间与置信度，本文简要介绍了置信区间这一核心概念，它有助于我们从直观上理解评价估计优劣的度量方法。
10 种机器学习算法的要点（附 Python 和 R 代码）
这篇指南会让你动手解决机器学习的问题，并从实践中获得真知。我提供的是几个机器学习算法的高水平理解，以及运行这些算法的 R 和 Python 代码。这些应该足以让你亲自试一试了。
[译] 15 大领域、50 篇文章，2018 年应当这样学习机器学习
正如职业运动员每天都要训练一样，机器学习的日常练习也是工程师生涯得以大踏步前进的基本保障。仅2017年一年，机器学习领域总结此类实战经验的文章便已超过20000篇，该领域相关职位的热度自是可见一斑。从中，我们筛选出50篇最好的经验和心得，囊括了机器学习在15大细分领域的各项典型应用：
为什么现代深度学习理论能如此的有效？
虽然深度学习已经被用于各种不同的应用上，但是由于缺乏能够完整解释其成功背后的基础理论，所以经常面对着各种质疑。就在最近，Test-of-time 奖项的获得者在 Neural Information Processing (NIPS) 会议上将深度学习比作为炼金术。虽然用于解释深度学习为何有如此强的泛化能力的泛化理论（Generalization Theory）仍是一个开放性的问题，但是在本文中，我们将会对近期试图解释这个问题的理论和经验（empirical）上所取得的进步展开讨论。
用深度学习自动生成HTML代码的项目实践
如何用前端页面原型生成对应的代码一直是我们关注的问题，本文作者根据 pix2code 等论文构建了一个强大的前端代码生成模型，并详细解释了如何利用 LSTM 与 CNN 将设计原型编写为 HTML 和 CSS 网站。
每个人都应该知道的十个机器学习常识
当别人在高谈阔论机器学习时，你却插不上嘴，这是一种怎样的体验？不懂机器学习没有关系，但你一定要知道下面的十个机器学习基本常识。曾经在Endeca、谷歌和LinkedIn领导机器学习开发的Daniel Tunkelang为我们概括总结了这十个常识。
见证深度学习发展史最重要的6段代码
深度学习发展到如今的地位，离不开下面这 6 段代码。本文介绍了这些代码的创作者及其完成这些突破性成就的故事背景。每个故事都有简单的代码示例，读者们可以在 FloydHub 和 GitHub 找到相关代码。
关于机器学习，你必须知道的10件事情
很多时候需要为非专业人士解释机器学习，本文提供以下参考。
小米推出了机器学习服务平台：Xiaomi Cloud-ML ！
小米最新推出了深度学习服务：Xiaomi Cloud-ML，帮助生态链公司实现更多人工智能的可能，下面是Xiaomi Cloud-ML介绍！
不甘做小弟，JavaScript又在搞事情！
近日，一种专门用于在网页内执行神经网络算法的JavaScript库——TensorFire引起了人们的关注，这种JavaScript库在浏览器中使用GPU加速运行谷歌的TensorFlow，是机器学习走向大众化的一种方式。
Nodejs之父这一年研究机器学习的心路历程
就像是Rail出现之前的网站：一群随机PHP脚本，商业逻辑和标记符号乱混一气。在TensorFlow项目中，数据管道、数学和超参数/配置管理无组织地混为一团。我认为我们还未发现精美的结构/组织。（或者说是还未重新发现，就像DHH重新发现并普及 MVC那样。）我的项目结构一直在进步，但是我不会认为它是精美的。
机器学习&深度学习研究者最重要的11张速查表
对于初学者来讲，入门机器学习和深度学习非常困难；同时深度学习库也难以理解。通过收集多方资源，我在 Github 上创建了一个速查表库，希望能对你有所帮助。欢迎访问这个库，并完善它（如果你也有速查表）。
JavaScript 中的 10 个机器学习示例
最近一段时间，Web 生态系统发展迅速，虽然 JavaScript 和 Node.js 在性能上仍然不及 Python 和 Java，但它们也已经强大到足以处理许多机器学习的问题。Web 开发语言非常易用，它们在这一点上受益匪浅——你只需要在 Web 浏览器运行一个 JavaScript ML 项目即可。
机器学习工程师必知的十大算法
机器学习算法可以分为三大类：监督学习、无监督学习和强化学习。监督学习可用于一个特定的数据集（训练集）具有某一属性（标签），但是其他数据没有标签或者需要预测标签的情况。无监督学习可用于给定的没有标签的数据集（数据不是预分配好的），目的就是要找出数据间的潜在关系。强化学习位于这两者之间，每次预测都有一定形式的反馈，但是没有精确的标签或者错误信息。
一个机器学习在现实工作中应用的小例子：帮用户给物品自动归类
或许只是我感到有些许惊讶（我还记得当我意识到‘news’是‘new’的复数的时候），我认为这些都十分让人惊讶。它允许像你我这样的普通人（对发展影响的程度较小的人）在机器学习中进行挖掘，可能会促成那些用户很大的改进。
机器学习最流行的语言是……？
应该掌握哪门编程语言，才能获得机器学习或数据科学的工作机会呢？这是一个银弹的问题。许多论坛都在辩论这个问题。我会在本文中提供自己的答案，并解释原因，但是我们要先来查看一些数据。毕竟，机器学习和数据科学的从业者应该记住这一点：没有调查就没有发言权。
