非科班出身的人学习编程不负责任指南 资讯
Word、PowerPoint、UGNX、AutoCAD 之类的应用软件。他们有限的学习生涯里，怎么也不会想到来到这里竟然要首先重新学习 C 语言，然后还要学 C++，接下来还要学习 Python 或 Lua 什么的，而且竟然还不让用
jopen 零基础如何系统地学习前端开发？ 资讯
其核心价值在于对用户体验的追求。可以按如下思路学习系统学习： 基础知识 ： 1、HTML + CSS 这部分建议在 W3school 在线教程 上学习，边学边练，每章后还有小测试。 之后可以模仿一
谁能帮你猜 12306 验证码，就指望深度学习啦 资讯
近段时间以来，大家纷纷被 12306 的神级图像验证码给击败了，网上吐槽一片。正好最近在深度学习方面的一项图像识别测试比赛中，各大科技公司又取得重大突破，微软还拿到了第一名。也许，将来我们可以指望微软小冰来帮你识别那些神级图像验证码了。
深度学习的未来在哪里？听听这些专家怎么说 资讯
几年，深度学习——这个机器学习的分支频频出现在聚光灯下，它正在向工业界逐渐推进，渗入到更多的领域。 深度学习会成为人工智能实现的最佳途径吗？它的未来又在哪里？RE·WORK邀请深度学习领域的专家和
互联网金融时代下机器学习与大数据风控系统 资讯
Ebay 和携程从事数据分析与机器学习方面的工作，关注统计与机器学习方面的研究、大数据风控系统的建设。本文探讨的是：互联网金融时代，如何借助互联网思维利用 机器学习方法建立高效安全的大数据风控系统？
开源后5个月，Google的深度学习系统都有哪些改变？ 资讯
2015 年底才出现，它已经吸引了全球机器学习开发者的目光。Google 创始人 Eric Schmidt 坚信 TensorFlow 是 Google 的未来。深度学习引擎+云服务平台，将会带来编程范式的
Apache SystemM v0.10.0-incubating 发布，一个机器学习语言 资讯
SystemML是灵活的，可伸缩机器学习 (ML) 语言，使用Java编写。可实现三大功能：(1) 可定制算法；(2) 多个执行模式，包括单个，Hadoop 批量和 Spark 批量；(3) 自动优化。
2016AI巨头开源IP盘点 50个最常用的深度学习库 资讯
的 Bill Vorhies 曾撰文指出，过去一年人工智能和深度学习最重要的发展不在技术，而是商业模式的转变——所有巨头纷纷将其深度学习 IP 开源。 毋庸置疑，“开源浪潮”是 2016 年人工智能领
卡巴斯基免费版上线：无广告 收集数据改善机器学习算法 资讯
个月免费试用期，不过卡巴斯基并不打算这么做。卡巴斯基所提供的免费防病毒应用并没有广告，但是会从免费用户处收集数据来改善机器学习算法，从而更好的打磨所有的产品和平台。 尽管全球开放日期为 7 月 25 日，但是根据地区差异可能需要等待一段时间。公司创始人
斯坦福深度学习测试：华为云ModelArts排名世界第一 资讯
记者 马婧 作为人工智能最重要的基础技术之一，近年来深度学习逐步延伸到更多的应用场景。随着深度学习模型越来越大，所需数据量越来越多，深度学习的训练和推理性能将是重中之重。 近日，斯坦福大学发布了
Duolingo多邻国应用正式推出中文入门学习课程 资讯
在线语言学习网站 Duolingo 多邻国应用近日发布了全新中文学习课程，入门级的非中文使用者，可以从零开始通过学习基础汉语拼音，普通话发音和会话测试，其还内置了人工智能聊天机器人帮助你掌握更多汉语词汇。
谷歌AutoML人工智能系统已可创建优于人类的机器学习代码 资讯
谷歌 AutoML 系统最近出产了一系列机器学习代码，其效率甚至比研究人员自身还要高。显然，这是对“人类优越论”的又一次打击，因为机器人“学生”们已经成为了“自我复制”的大师。AutoML 是在人工智
浪潮开源深度学习框架 加速AI算法开发和应用效率 资讯
随着人工智能的火热，目前开源出来的深度学习框架非常多，如 Caffe、TensorFlow、MXNet、Torch 等等。框架众多，如何选择？选择一种框架还是多种组合？针对不同的场景或者模型需要选择什
ios学习笔记（二）xcode 4.3.2下实现基本交互 经验
想必大家都阅读过iphone4与ipad2开发基础教程吧，这本书的xcode与现在的最新版本有些区别，去掉了view base application,只有比较接近的single view application.
简单的实时大规模机器学习基础架构：Oryx 经验
Oryx的目标是帮助Hadoop用户搭建并部署能够实时查询的机器学习模型，例如垃圾邮件过滤和推荐引擎。随着数据的不断流入，Oryx还将支持自我更新。 无论从建模还是部署，Oryx都可以随需扩展
十张图解释机器学习的基本概念 经验
在解释 机器学习 的基本概念的时候，我发现自己总是回到有限的几幅图中。以下是我认为最有启发性的条目列表。 1. Test and training error: 为什么低训练误差并不总是一件好的事情呢：
KJFrameForAndroid框架学习----高效设置网络图片 经验
如果每次加载同一张图片都要从网络获取，那代价实在太大了。所以同一张图片只要从网络获取一次就够了，然后在本地缓存起来，之后加载同一张图片时就 从缓存中加载就可以了。 从内存缓存读取图片是最快的，但是因为Android对每个应用所能使用的内存容量都有限制，所以最好再加上文件缓存。文件缓存空间也不是无限大的，容量越大读取效率越低，这个很好理解，从沙漠中找出丢失的一根针和从盘子中找到一根针，哪个容易一想即知。因此我们常设置一个限定大小比如10M。
Node.js非阻塞IO和事件循环学习总结 经验
本文针对在Node.js关键的两个概念：非阻塞IO和事件循环进行了适当的总结。 学习和使用Node.js已经有两个月，使用express结合mongoose写了一个web应用和一套RESTful web