据VB的消息来源称，Snapchat尤其对 深度学习 算法感兴趣。而图片是算法首选的分析对象，然后最终也会应用到视频上面，不过因为整个视频流的分析难度较大，估计视频的分析也是先以逐帧分析为主。 深度学习一度是Google、

Nervana System 是少数专注机器学习这种人工智能技术的创业公司该公司，近日宣布将其深度学习软件在Apache开源许可协议下开源（ github ），任何人都可以免费下载使用。 根据Facebook一位研究者的

深度学习是当前最热门的人工智能领域。传统计算机尽管速度很快，但缺乏智能性。这些计算机无法从以往的错误中学习，在执行某项任务时必须获得精确指令。 深度学习技术涉及到开发人工神经网络，让计算机模拟大脑

Spark成功的实现了当年的承诺，让数据处理变得更容易，现在，雄心勃勃的Databricks公司展开了一个新的愿景：让深度学习变得更容易。 当然牛好吹，也是要做些实际行动的，所有便有了 spark-deep-learning

简介 Deeplearning4j是Java的开源，分布式的深学习项目的人Skymind ，一个总部位于旧金山的商业智能和企业软件公司牵头。我们是一个团队的数据科学家，深学专家， Java程序员和半众生机器人。

算法篇 应用篇 深度学习word2vec笔记之基础篇 一．前言 伴随着深度学习的大红大紫，只要是在自己的成果里打上deep learning字样，总会有人去看。深度学习可以称为当今机器学习领域的当之无愧的巨星，也特别得到工业界的青睐。

通过gensim来实现深度学习算法。 Word2vec: the good, the bad (and the fast) Google发布了一些无监督深度学习算法， PDF ：“Our model

丰富的窗口。通过开发 一个照片理解系统使Yelp能够创建有关个人照片的语义数据。跟Yelp第一次在基于内容的照片多样化方面所做的尝试一样，由系统生成的数据正在增强 Yelp近期推出的封面照片多样化、标签式照片浏览等服务。

17 日接纳的一个孵化项目，是个分布式深度学习平台。 SINGA 是基于大型数据集训练大型深度学习模块的常规分布式学习平台。SINGA 支持各种流行的深度学习模块，其中的 feed-forward

是最棒的，也是现有最便利的深度学习库。本文作者Zachary Chase Lipton是来自加利福尼亚大学计算机科学工程学院的博士生，接受生物医学信息部的资助。他对机器学习的理论基础和实际应用都非常感

http://www.almosthuman.cn/2016/02/02/bbtsz/ 这是「神经网络和深度学习简史」的第三部分（第一部分，第二部分）。在这一部分，我们将继续了解90年代研究的飞速发展，搞清楚

最新的机器学习技术据称能改变整个行业，让计算机更容易从数据中识别出模式，做出精确预测并在一般意义上更加智能。但不幸的是，掌握这项神奇技术的只有少部分人。 现在人工智能的核心技术是深度学习，它依靠大

Apache Spark 的的深度学习库。MMLSpark 可以与 微软认知工具包 和 OpenCV 完美整合。 微软发现，虽然 SparkML 可以建立可扩展的机器学习平台，绝大多数开发者的精力都耗在了调用底层

大学获得本科，硕士学位。 小编：文本表示随着深度学习这把火也跟着旺了起来，各大会议上论文成出不穷，值得关注。 之前在百度开放研究社区写了篇``深度学习文本的表示''， 现在这篇姑且作为其升级篇吧。

大量计算机视觉深度学习资源

1e6d2a2a58e... 近年来，深度学习在人工智能的多个子领域都取得了显著的进展。在自然语言处理领域，虽然深度学习方法也收到越来越多的关注，在很多任务上也取得了一定效果，但是并没有其它领

cn/2016/01/27/tytne/ 导读：这是《神经网络和深度学习简史》第二部分，这一部分我们会了解BP算法发展之后一些取得迅猛发展的研究，稍后我们会看到深度学习的关键性基础。还没有看过第一部分的读者可以 戳这里

深度学习作为机器学习的一个分支，是近年来最热门同时也是发展最快的人工智能技术之一，相关学习资源包括免费公开教程和工具都极大丰富，同时这也为学习 深度学习技术 的IT人才带来选择上的困扰，Yerevan

深度学习拥有解决大部分机器学习和人工智能领域问题的潜力，可以用来解决诸如语音识别、三维物体识别和自然语言处理等领域的难题。本文介绍了深度学习在解决实际问题中存在的优势与缺点。 当你想进行预测的时候

cn/article-7153-1.html 当前人工智能之所以能够引起大家的兴奋和广泛关注，在很大程度上是源于深度学习的研究进展。这项机器学习技术为计算机视觉、语音识别和自然语言 处理带来了巨大的、激动人心的进步，也