在过去的几年中，神经网络的兴起与应用成功推动了模式识别和数据挖掘的研究。许多曾经严重依赖于手工提取特征的机器学习任务（如目标检测、机器翻译和语音识别），如今都已被各种端到端的深度学习范式（例如卷积神经网络（CNN）、长短期记忆（LSTM）和自动编码器）彻底改变了。曾有学者将本次人工智能浪潮的兴起归因于三个条件，分别是：·计算资源的快速发展（如GPU）·大

内容来源：宜信技术学院第3期技术沙龙线上直播|AI中台——智能聊天机器人平台主讲人：宜信科技中心AI中台团队负责人王东导读：随着“中台”战略的提出，目前宜信中台建设在思想理念及架构设计上都已经取得了很多成果。宜信是如何借助中台化的思想打造“AI中台”及相关的智能产品呢？本次直播，宜信科技中心AI中台团队负责人王东老师分享了宜信AI中台的

之前一直在看Standford公开课machinelearning中Andrew老师的视频讲解https://class.coursera.org/ml/class/index(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fclass.coursera.org%2Fml%2Fclas

　　机器之心报道　　参与：杜伟、魔王斯坦福知识图谱春季课程视频上线B站，领域内顶尖学者和业界大牛倾情授课，对知识图谱感兴趣的小伙伴赶紧去观看吧！　　从Google搜索，到聊天机器人、大数据风控、证券投资、智能医疗、自适应教育、推荐系统，这些应用无一不跟知识图谱相关。知识图谱在技术领域的热度也在逐渐上升。　　但

算法任何一个入门的软件开发人员都会听到这句话：算法是软件的灵魂！近年来大火的“机器学习”即是在算法在人工智能上的集中体现。今日头条通过AI算法实现智能内容推荐，谷歌和百度通过AI算法实现垃圾内容检测和删除，阿里巴巴通过算法自动识别刷单和假货风险等等。随着软件行业的发展，我们真切的体会到人工智能的脚步声越来越近了。理论上讲，凡是重复的简单工作都

机器学习基础本章涵盖了以下主题：分类和回归之外的其他类型的问题；评估问题，理解过拟合、欠拟合，以及解决这些问题的技巧；为深度学习准备数据。请记住，在本章中讨论的大多数技术都是机器学习和深度学习通用的，一部分用于解决过拟合问题的技术（如dropout）除外。4.1　三类机器学习问题在之前的所有例子中，尝试解决的是分类（预测猫或狗）或回归（预测用户在平台上

本章涵盖了以下主题：分类和回归之外的其他类型的问题；评估问题，理解过拟合、欠拟合，以及解决这些问题的技巧；为深度学习准备数据。请记住，在本章中讨论的大多数技术都是机器学习和深度学习通用的，一部分用于解决过拟合问题的技术（如dropout）除外。4.1　三类机器学习问题在之前的所有例子中，尝试解决的是分类（预测猫或狗）或回归（预测用户在平台上花费的平均时