實驗目的 為了實現開箱即用的機器學習平臺，只需簡單修改配置，就可實現線下特徵處理和訓練的模型，一鍵部署到線上，保持線上線下一致性。離線訓練平臺選擇了spark，線上模型部署選擇了Mleap。 實驗說明

編者按：4月2日，微軟亞洲研究院創研論壇CVPR 2019論文分享會在清華大學圓滿落幕。20餘位論文作者在分享會現場進行了報告宣講，30多篇論文進行了海報展示與交流，還有一場精彩的圓桌論壇，就計算機視覺

紅色石頭之前在某乎上回答“機器學習該怎麼入門”這個問題的時候，曾經給入門學者提過一個建議，就是放棄海量資料。確實，資料不在多而在精！一份優秀的資料完全可以幫助我們快速地入門和進階。 今天給大家推薦一份最近新

在上一篇文章《 瀏覽器中的手寫數字識別 》中，講到在瀏覽器中訓練出一個卷積神經網路模型，用來識別手寫數字。值得注意的是，這個訓練過程是在瀏覽器中完成的，使用的是客戶端的資源。 雖然TensorFlow.

我們的世界是一個非線性的世界，我們能否讓機器來學習現實中很多複雜的問題呢？從人類大腦結構中受到的啟發，人們開始在一定程度上模擬大腦的結構。既然大腦能夠理解這個世界，那人工神經網路應該也是可以的。

1. 電子商務使用者行為分析 電子商務通常是指一種新穎的在網際網路開放的網路平臺上，消費者基於瀏覽器/伺服器應用方式進行各種商貿活動的商業運營模式。消費者在此平臺上可實現無需與賣家面對面的網上購物、交易和線

分類問題是為整個影象分配一個標籤，而語義分割則是將從屬於同一類的物件看成一個整體，為影象中的每一個畫素點分配一個標籤。本文對一些經典語義分割方法和基於深度學習的語義分割方法進行了討論，此外還討論了常見的選擇和應

美國求職網站Indeed.com最近釋出了“2019年美國佳職位”名單，機器學習工程師名列第一，緊隨其後的是第三名的全棧開發人員。 該公司在其排名中解釋道:“我們將‘最佳’定義為那些增長最快(以2015年至

機器學習導圖系列教程旨在幫助引導開發者對機器學習知識網路有一個系統的概念，其中具體釋義並未完善，需要開發者自己探索才能對具體知識有深入的掌握。本專案靈感來自Daniel Formoso的github開源專案。本

AFM模型(Attentional Factorization Machine) 模型原始論文Attentional Factorization Machines:Learning the W

神經網路學習的目的是找到使損失函式的值儘可能小的引數。這是尋找最優引數的問題，解決這個問題的過程稱為 最優化 。而在深度神經網路中，引數的數量非常龐大，最優化問題也就十分複雜。 之前我們學過 隨機梯度

文 | 祕叢叢 陀螺沒有停下。 電影《盜夢空間》的最後，陀螺旋轉就代表人仍在夢中。在這部電影裡，主角通過干預他人的夢境，影響人在現實中的決策。“未來是有可能的，現在已經有人在研究夢境成像了，目前它還類似

如果讓你推薦兩本國內機器學習的入門經典作，你會推薦哪些呢？相信大家同我一樣，非李航的《統計學習方法》和周志華的《機器學習》莫屬。 如此經典的教材，相信大家買來也絕對不會讓他待在書桌的角落。有人說西瓜書

大資料，一場生活、工作與思維的大變革。那它到底是什麼呢？如何去分析大資料？ 通俗的講： 收集足夠大的資料； 找出規律； 預測未來可能會發生的事 / 識別正在發生的事； 以上大部

對於工業生產安全的問題，用機器學習、物聯網和 AI 技術的使用，能夠有效監測員工以及環境狀態，降低事故發生率。 「這裡發生爆炸我並不意外，大大小小的都問題早已露出端倪。」一名曾多次接觸過響水生態化工園工程師