百度首席科学家吴恩达在未来论坛上发表了演讲，会后 36氪 对他进行了简短的【独家采访】。 神经网络模型让数据的潜力更大 我们都知道，在海量数据时代，深度学习为人工智能带来了新的机会。这些机会集中在三个地方：文本、图片和语音识别。

前几天，Google DeepMind 公开了一篇新论文《克服神经网络中的灾难性遗忘（Overcoming catastrophic forgetting in neural networks）》，介

味着什么，以及未来的深度学习神经网络的发展方向。 Hinton 和 Yann LeCun 以及 Yoshua Bengio 在深度学习领域有很高的造诣，被誉为“深度学习三巨头”。 他们表示

该笔记用技术教学的方式介绍三种最常见的神经网络架构形式：前馈、卷积和循环，详细介绍了每一种网络的基本论文技术性地介绍了三种最常见的神经网络：前馈神经网络、卷积神经网络和循环神经网络。且该文详细介绍了每一种网络的

最近一群来自美国加州大学伯克利分校的学生们目前正在试图通过 Baxter 机器人来学习编写代码，来进一步缩减学习与练习之间的鸿沟。其实这种通过机器人的方式来教给大学生们学习的过程与搭建汽车或组装智能手机的过程非常相似。

Learning （Azure 机器学习） 公开预览版，这项新的服务主要是为 Azure 用户提供开发可预测分析服务或机器学习的方案。 微软称 Azure 机器学习将提供新的分析工具，来自微软 Xbox

有网友在 Quora 上提问：对于那些非计算机科学行业的人，你会如何向他们解释机器学习和数据挖掘？ 斯坦福大学的印度学生、机器学习爱好者 Pararth Shah 在2012年12月22日的回复，非常经典，得赞数有

1) A Course in Machine Learning The author, Hal Daumé III, started the introduction of this book with

非常好奇，从家里找到化学物质，混合成棕色的汤，以替换他祖母平时的药。这种孩子式的谋杀祖母的重罪，常常让我忍俊不禁。 规划一种新的机器学习模型的原型，与 George 制作化学毒物的需求类似。对于 数据科学家 来说，翻遍公司去寻找数据

译者：WZL， （36大数据专稿，转载必须标明来源） 在机器学习界叱咤风云多年的支撑向量机算法(SVM)，其发明人不单有奠基统计学习理论的Vapnik（最近跳槽去了Facebook 的FAIR人

根据外媒消息，微软收购了以色列一家机器学习厂商 Equivio，其拥有的机器学习技术可用于对企业或政府的海量办公文件、电子邮件进行智能分析和归类。 大数据时代，机器学习（Machine Learnin

在提供发现埋藏数据深层的模式的能力上，机器学习有着潜在的能力使得应用程序更加的强大并且更能响应用户的需求。精心调校好的算法能够从巨大的 并且互不相同的数据源中提取价值，同时没有人类思考和分析的限制。对于开发者而言，机器学习为应用业

你反感。人工智能，主要是机器学习技术的突飞猛进让这些场景，有些已经成真，有些 正在成真。对于提供智能服务的商业企业来说，这些场景意味着巨大的金矿。很多企业计划或者已经在机器学习这座金矿山上采矿了。

世界人工智能顶级专家李飞飞被曝已与谷歌达成协议，将加入谷歌云计算业务新成立的机器学习部门 （Google Cloud Machine Learning）。据 The Verge 消息指出，李飞飞是与她的学生李嘉一同加盟谷歌。Danny

借着人工智能的热潮，各种机器学习项目也迎来了一个爆发期。其中有一些因为背后的巨头支持或者稳定可靠的性能而广为人知，例如 Tensorflow、Caffe 和 Theano 等。但实际上，有为数更多的项

。好消息是，美国国家标准与技术研究所（NIST）与密歇根州立大学的科学家们，已经开发出了一套借助机器学习技术和算法的自动化流程，让指纹比对工作变得更具效率。通过智能手机内建的指纹传感器，使得面向司法鉴定的自动指纹分析看似轻而易举。

Know 毫无疑问，机器学习/人工智能的子领域在过去几年越来越受欢迎。目前大数据在科技行业已经炙手可热，而基于大量数据来进行预测或者得出建议的机器学习无疑是非常强大的。一些最常见的机器学习例子，比如 Netflix

决策树和随机森林 决策树是机器学习中最接近人类思考问题的过程的一种算法，通过若干个节点，对特征进行提问并分类（可以是二分类也可以使多分类），直至最后生成叶节点（也就是只剩下一种属性）。 每个决

大家好，我是来自微信的张重阳，很荣幸有这个机会和大家一起交流一下机器学习和人工智能技术在微信的应用实践。谈起人工智能，大家首先想到的是图像识别、语音识别、机器翻译、机器人这些技术，然而人工智能所涉及的应用场景和商业价

机器学习是让计算机从数据中学习的科学和艺术。换句话说，可以训练计算机来了解数据科学家创建的模型。该计算机将使用算法从其接收的数据中迭代学习，并发现该数据中的模式。当新数据进入时，计算机可以根据以前学习的模式进行预测。例如，像亚马逊和