算算时间，从开始到现在，做机器学习算法也将近八个月了。虽然还没有达到融会贯通的地步，但至少在熟悉了算法的流程后，我在算法的选择和创造能力上有了不 小的提升。实话说，机器学习很难，非常难，要做到完全了解算法的流程、特点

11新推出的机器学习框架，是人工智能的核心内容，他可以在训练好的机器学习模型应用到APP中 所谓已训练模型 (trained model)指的是对一组训练数据应用了某个机器学习算法后，所生成的一组结果Core

人工智能是机器人的核心，是机器人的大脑。想要制造一个大脑不是一件容易的事，所以很多机器人公司都在等着，等着谷歌，等着 Facebook，等着这些能做大脑的公司，能够在某一天将他们的技术开源。 如今，这些在短时间内都实现了。

PredictionIO是一个开源的机器学习服务器，能够帮助软件开发人员创建预测功能，比如个性化，推荐和发现内容。让开发人员利用机器学习构建智能软件。几乎任何应用与PredictionIO集成都可以变得更”聪明“。它具有以下特性：

http://muricoca.github.io/crab/tutorial.html (using Python) - Collaborative Filtering www.cs.cmu.edu/~wcohen/collab-

YCML 是使用 Objective-C 编写的机器学习框架，也支持 Swift。 当前提供以下算法： Gradient Descent Backpropagation [1] Resilient

Petuum 是一个分布式机器学习框架。它致力于提供一个超大型机器学习的通用算法和系统接口。它主要集中在系统上 "plumbing work"和算法加速的优化上面，当简化分布式 ML 程序实现时——允许你聚焦在模型优化和大数据分析方面。Petuum

兔子和分布式机器学习 上个学习的时候，我除了 TA 机器学习以外，另外一半的时间就是上了 System 课程。因为上课的缘故，需要做一个课程项目，于是我决定做一些和分布式机器学习相关的事情。 来到

”博士了。 不是所有人都有“读博”的功夫的。 有请“机器学习”算法 机器学习算法其实就是普通算法的进化版。通过自动学习数据规律，让你的程序变得更聪明些。 你从市场上随机买一批芒果（

7个最常见的机器学习任务及相关方法

Orange（ http://orange.biolab.si/ ）是一个基于组件的数据挖掘和机器学习软件套装，支持Python进行脚本开发。Orange由斯洛文尼亚大学计算与信息学系的生物信息实验室BioLab进行开发，

理论为基础，利用机器学习算法对已知的训练数据做统计分析从而获得规律，再运用规律对未知数据做预测分析，已成为文本分类领域的主流。InfoQ联合“达观数据“共同策划了《文本数据的机器学习自动分类方法》系列

Translator实时的语音翻译技术，超过人类准确度的图像识别技术，像微软小娜、小冰一样琳琅满目的聊天机器人，还是不久前的人机围棋大战，都让我们目睹了人工智能技术的一个又一个突破。身处人工智能时代，一方面

1. 第一章 机器学习及数据挖掘基本原理王斌 中国科学院信息工程研究所大数据核心技术之数据挖掘与机器学习技术探索及应用 2. 目录基本概念典型应用预备知识 3. 什么是机器学习(Machine Lea

艺术家如何使用机器学习来进行创作？纽约大学《用于艺术的机器学习》课程讲师Gene Kogan在本文中探讨了这个话题。 今年春季，我将在纽约大学的交互式电信项目（ITP）中教授一门课程——用于艺术的

MLPACK 是一个 C++ 的机器学习库，其重点是可伸缩性、速度和易用。 MLPACK 2.0.0 发布，主要更新如下： * Parallelization: the DET (density 

1. 数据挖掘—实用机器学习技术及Java实现原书 英文版《Data Mining—Practical Machine Learning Tools and Techniques with Java

是一个快速、模块化、功能丰富的开源 C++ 机器学习库，提供了各种机器学习相关技术，比如线性/非线性优化、基于内核学习算法、神经网络等。Shark 已经应用于多个现实项目中。 机器学习（Machine Lear

Jubatus 是一个分布式处理框架和机器学习库，包含以下功能： 在线机器学习库，包括：分类、聚合和推荐 fv_converter: 数据预处理（用自然语言） 在线机器学习框架，支持容错 项目主页： http://www

机器学习平台、框架、库和软件集合。所有资源来自互联网。 本文是WIKI页面，请自由的参与到这个列表的贡献。 目录 平台 C General-Purpose Machine Learning Computer