【編者按】何謂“機器學習”，學界尚未有統一的定義。本文摘取Tom Mitchell、Christopher M. Bishop、去年出版的《深度學習》和側重實戰的《資料探勘》，總結了四種機器學習主流

一. 分析框架 我們在使用資料分析解決商業問題時，使用了一種被稱為“跨行業資料探勘標準流程（CRISP-DM）”的問題解決框架，這套分析框架最初是為資料探勘問題服務的，但它對各種各樣的商業問題也有很好的效果

各位AI科技大本營的夥伴大家好，營長攜編輯組的全體成員給大家拜年了！ 新年新思！新一年，每個人的夢想都閃耀著多彩光芒，對於AI領域的每一位學習者和從業者，我們充滿渴望，懷揣夢想，心繫對技術的不懈追

我居住在一個大城市。但是和在很多大城市一樣，找個停車位總沒那麼容易。車位很快就被搶佔一空，即使你有一個屬於自己的專用車位，朋友們順路來訪也很難，因為他們找不到車位。 我的解決方案就是將一個攝像頭

歡迎關注我的專欄( つ•̀ω•́)つ【人工智慧通識】 接著前一篇文章 房屋建議租金機器學習演算法思路 繼續分析，這次我們著重思考怎麼評估我們的演算法。 方法分析 上一篇我們用隨機暴力

歡迎關注我的專欄( つ•̀ω•́)つ【人工智慧通識】 需求：58租房網希望為房東使用者提供一個 建議租金 功能，當房東使用者釋出資訊之前，網站會提示他什麼樣的租金價位比較合理。我們需要用機器學習演算法

上面式子算的是z的後驗概率，分子是樣本xi屬於zj的概率，分母是樣本xi屬於每個zi的概率之和，因為有了引數確定的條件所以分母是個邊緣分佈而不是等於1。 M-step就是根據之前最大似然的結果把z的概率代入

網際網路和移動網際網路的普及方便了資訊流通，但也讓每個人都暴露在大量的資訊海洋中，難以消化。根據 IDC 的估計，目前網際網路資料量已躍至 ZB 級別（1ZB=2 的 40 次方 GB），預計 2020

隨著中國人口紅利高峰的渡過，近些年來中國經濟增長有所放緩，同時國際經濟風險也日益加重，這些都意味著過去幾十年來那種一味追求開發新客戶資源，依靠新客戶帶來收益的營銷模式已經無法適應當今的市場環境，窮則思

摘要 本文使用隨機因子的實證結果定量說明了僅靠運氣就能夠達到的選股效果，幫助判斷選股因子是否真正有效。 1 引言 使用因子選股的邏輯是因子 —— 無論是來自基本面、量價還是巨集

今年，我很高興參與一個研究專案，這項研究專案要求我熟悉大量計算機視覺深度學習領域的出版物。這讓我深入瞭解了這個領域，我對過去2 - 3年所取得的進展感到驚訝。令人興奮和鼓舞的是，像影象修復，對抗性示例，超解析

報告地址：https://www.wipo.int/edocs/pubdocs/en/wipo_pub_1055.pdf 目錄： 執行摘要 介紹 AI 趨勢

現在，操縱視覺內容已經很普遍，也是數字社會中最重要的話題之一。比如，DeepFakes 展示瞭如何使用計算機圖形學和視覺技術進行視訊換臉，進而破壞別人的聲譽。人臉是目前視覺內容操縱方法的主要興趣點，這有很多原

作為一名前半生奉獻給學術，現在投身業界的研究者，Daniel Gutierrez習慣在資料科學業內工作的同時，跟進學術界的最新動態。 最近，通過一場網路研討會，他發現人工智慧大神吳恩達（Andrew Ng）

導語：近年來，國內 量化投資 迎來了發展的黃金期，但涉及機器學習的量化投資還比較少。機器學習領域的大神Andrew Ng(吳恩達)老師曾經說過機器學習很大程度上就是特徵工程，因此本文主要介紹下特徵工程在量化投