本文已投中心公眾號。特徵工程是機器學習成敗的關鍵一步，其意義一點都不比模型低。巨集觀層面來說，模型水平決定了機器學習的上限，特徵工程水平決定了能接近上限多少。而對於具體問題層面，特徵工程水平決定了機器學習在這個

我是從初一開始用思維導圖，不管學習任何知識都用，到現在15年。但我是在研究深度學習後才真正明白它的原理，因為 思維導圖和人工智慧的深度學習原理一樣。 如果我學其他專業的話，恐怕我一輩子都不知道原理。所以非機器

自從18年10月底開始課餘在導師的公司實習，不知不覺入坑機器學習和深度學習已經小半年時間。目前的主要方向是NLP和資料探勘。 這期間接觸了許多新的知識，見識了火熱的深度學習的魅力和實際應用，也認識了很多浙大

前面討論過LSTM的預測模型，同學們百度也好，科學谷歌也好，能找到的LSTM的模型無非是在討論模型本身，無非Seq2Seq、Seq2one等等各種，或者再加上Attention機制等等。總之

在上篇文章裡，我們主要討論如何使用SVM分類器來抓取出表現最好的技術指標。而我們提到的一個關鍵點在於我們使用了極端隨機樹來選擇技術指標中的一部分來生成一組模型進行訓練。在本文中，我們重點來介

IBM Watson Machine Learning Accelerator 是捆綁了 IBM PowerAI、IBM Spectrum Conductor 和 IBM Spectrum Conductor

上週五，位於美國紐約的AI初創公司Paige.AI宣佈其因利用人工智慧診斷癌症而獲得了美國FDA頒發的“突破性裝置”（breakthrough device）認定。這使得 該公司成為首家在AI癌症診斷領域獲得“突破

編者按：AI潮已經席捲整個世界，各種AI初創公司遍地開花，但不是所有都能獲得成功本文作者Ric Szopa是 invoo. vc 的首席技術官。此前, Ric是MicroscopeIT 公司的首席技術官, 該公

圖片發自簡書App “大資料”與其說是過時了，倒不如說還沒有真正開始。只要摩爾定律還在生效，每過18個月電子技術就要翻一番的話，那麼大資料時代就只能在路上。這是因為，

最近出了兩件大新聞，相信大家可能有所耳聞。 我來當個播報員，給大家轉述一下： 1、中國隊在第 11 界羅馬尼亞數學大師賽（RMM）中無緣金牌。該項賽事是三大國際賽事之一，被譽為中學奧數的最高難度。 其

第一課：為什麼要進行案例研究？ 上週我們學習了一些基本結構模組，例如卷積層，池化層和全連線層。事實證明，過去幾年的計算機視覺研究已經著手於如何將這些基礎結構模組組合起來以形成高效的神經網路，讓你自己受到啟發

人工智慧的戰略重要性不僅吸引了科技巨頭和資本的瘋狂投資，養活了一眾創企，更是得到了各國頂層支援。我國繼去年7月釋出了《新一代人工智慧發展規劃》，11月公佈了首批國家人工智慧開放創新平臺名單之後，工信

今年我們嘗試定期釋出TVM的月度報告，希望能幫助大家更好地跟進社群的工作。二月份TVM釋出了新版本，增加了包括Quantization，AutoDiff，ADT在內的諸項功能，同時也在不斷改進可用性和

繼 1 月騰訊 AI Lab 掌門人換將、張潼離職之後，今日，華人 AI 圈又傳出重磅人事變動訊息，主角正是熱門深度學習框架 Caffe 的作者、Facebook研究科學家、AI 架構總監賈揚清。

前言 目前主要有兩種<b>度量模型深度</b>的方式。第一種方式是基於評估架構所需執行的順序指令的數目。假設我們將模型表示為給定輸入後，計算對應輸出的流程圖，則可以將這張流程圖中的最