在過去幾十年裡，機器學習領域發生了鉅變。誠然，有些方法已經存在很長一段時間，仍然是該領域的重要方法。 由於監督學習有大量可用的方法，所以人們經常提出一個問題：最好的模型是什麼？眾所周知，

有標註大資料的使用以及顯著提升的計算能力和雲端儲存實現了人工智慧在各行各業的應用，尤其是其中的深度學習子類別。在醫學領域，人工智慧開始在三個層面產生影響：臨床（主要是通過快速、準確的影象解讀）、健康系

人工智慧作為當前時代最為前沿的技能之一，其發展將極大地提升和擴充套件人類的能力邊界，對促進技能創新、提升國家核心競爭力乃至推動人類經濟社會發展將產生深遠影響。當前，人工智慧正迎來新一輪創新變革和發展浪潮，歐美日

目前機器學習在金融上擁有各種應用場景，全球頂級公司也在這方面投入了大量人力物力，但是機器學習是萬能的嗎？它有哪些缺點？這些缺點對金融應用有什麼影響？在此我們從技術和實際方面做一個簡單探討。    

大資料文摘出品 作者：王嘉儀 優質大型的公司對於資料分析以及機器學習類崗位的需求高居前列。本文給出了針對小白和有簡單資料科學基礎的同學的學習計劃，可以讓你在浩如煙海的資料科學學習資料中找到自己

隨著近幾年全球各大科技巨頭紛紛入場人工智慧領域，催生了一大批技術的發展和落地：AI醫療、智慧翻譯、影象識別、智慧社交機器人、無人駕駛……這些技術的背後都離不開“深度學習”。科技改變我們生活的同時，也

在機器學習中，對於監督學習我們可以將其分為兩類模型：判別式模型和生成式模型。可以簡單地說，生成式模型是針對聯合分佈進行建模，而判別式模型則針對條件分佈建模。 從感性上認識，生成式能學習到更多資訊，而判別式則

自動駕駛行業已持續了多年的火熱，但與之形成鮮明對比的是，業內對於實現相對複雜場景下的全自動駕駛的預期時間節點卻一再延後，甚至略顯悲觀。其中一個很重要的原因，就是對於高度動態和互動性的場景下的行為和軌跡預測問題

近日，一篇有關 BagNet 的 ICLR 2019 論文得到了機器學習社群的廣泛關注，來自德國圖賓根大學的研究者們發現基於小型區域性影象特徵分類的簡單模型可以在 ImageNet 上實現驚人的高準確率。論文

2月11日，一項“AI+醫療”成果登上頂級醫學科研期刊《Nature Medicine》，該成果基於機器學習的自然語言處理（NLP）技術，實現評估和準確診斷兒科疾病。廣州市婦女兒童醫療中心、依圖醫療、美

機器學習工程師團隊負責人、Looker的首席產品官，以自己十幾年的從業經歷，以及對當下機器學習領域的觀察和思考，認為未來機器學習准入門檻不斷降低的前提下，“ML工程師”這個title將會消失。 我們可能正處在一個不

在大家的眼中，科學家的形象可能是一位表情嚴肅、著裝單一、不修邊幅、戴著一副厚重眼鏡且天庭飽滿，髮際線無限上移的中老年理共男。但實際上，他們正式體面，幽默無比，可謂是集涵養和趣味於一身的真正撩妹達人

由 Kaggle 主持的 泰坦尼克號生存挑戰賽 是一項競賽，其目標是基於一組描述乘客的變數，例如他的年齡，性別或乘客在船上的等級，來預測特定乘客是生存或死亡。 我一直在玩 Titanic 資料集，我最近

公眾號/將門創投 策劃編輯 | Natalie 作者 | Nick Caldwell 譯者 | 阿拉丁 編譯 | Vincent AI 前線導讀：隨著機器學習技術的發展，主打易用

玻爾茲曼機 why 1.之前看到的神經網路基本都可以表示成有向圖的形式，那必然也有無向圖的模型，這個就是玻爾茲曼機了。 2.神經網路在做梯度下降的時候有一定概率陷入區域性極小值，而玻爾茲曼機訓練