机器学习

到底什么是深度学习？

机器学习系统现在已经成为各种大数据应用中的标配，系统中没有机器学习环节都不好意思跟人打招呼。教你如何做机器学习的资料也有很多，但是本文有所不同，本文的重点在于告诉你不要如何去做，也可以说是机器学习中的“反模式”。

过去10年间，基于大数据的人工智能已经在各个领域展露头角，包括在线广告的精准投放、搜索引擎个性化网页排序、电商的个性化商品推荐、社交网络的好友建议、人脸识别、图像识别、自然语言理解、机器翻译、语音识别、无人机跟踪技术、汽车自动驾驶等等。

如果你在大街上或地铁里偷偷的拍摄陌生人，照片清晰度就会降低两到三倍。如果你上传从远距离拍摄的图像，那么该服务常常找不到照片中的人。

2016 最受期待的科技排行榜比以前更加拥挤。这不仅是因为今年出现了更多新技术，一部分是因为以消费者为导向的科技产业出现了更多的颠覆性进步，而企业则需要对此做出快速反应，以维持他们在市场上的地位。

在机器学习领域，每个给定的建模问题都存在几十种解法，本文作者认为，模型算法的假设并不一定适用于手头的数据；在追求模型最佳性能时，重要的是选择适合数据集（尤其是“大数据”）的模型算法

“再想想既然中学时能自学大学课程，当下好歹也该试着突破一下困境吧。于是从高中数学课本开始看，一直看到机器学习专业的教材。”

一个源自18世纪的数学理论有可能解释精神障碍者的思维缺陷。

为计算机构建一个复杂的神经网络是人工智能的关键，但人脑的这一活动却被「隐藏层」笼罩在神秘的面纱中。谷歌的开源人工智能项目 Tensor Flow 最近创造了一个神经网络游乐场，其目的是通过让用户与隐藏层互动和实验的方式除去这个隐藏层的神秘面纱。

作为数字化市场的监督者，信用卡公司能够俯瞰我们所购买的物品。

猎聘每天有数万新用户注册。但是，其中有的用户只是填写了少量的职业信息，即名片信息，而并未完成整个简历的填写。

本文主要研究气象数据对销售的影响，进而利用气象数据特性完成天气驱动行业销售的预测。

是什么策略或趋势将推动这个虚拟宇宙数据？

随着人工智能（AI）技术对各行各业有越来越深入的影响，我们也更多地在新闻或报告中听到“机器学习”、“深度学习”、“增强学习”、“神经网络”等词汇，对于非专业人士来说略为玄幻。这篇文章为读者梳理了包括这些在内的12个关键词，希望帮助读者更清晰地理解，这项人工智能技术的内涵和潜能。

(1)影响 GPU运算速度的技术指标有好几个. 一般人讨论计算速度时, 大多在说芯片时钟的速度. 芯片频率越高, 时钟的一个周期越短, 速度越快. 但这只是计算能力中的一个维度. 如果你看过我的这篇关于集装箱的文章《王川：集装箱震撼世界》 集装箱船运的效率, 除了轮船航行的速度 (类似芯片的速度) 以外, 更重要的是轮船的吨位, 装卸货的时间, 港口等待的时…