利用深度学习和维数约减，可以对整个Wikipedia进行可视化，文中结合Wikipedia训练得出的例子，全面介绍了深度学习、词向量、段落向量、翻译模型以及深度学习可视化方面的知识，理论结合实践.

奇虎 360 今日宣布开源深度学习调度平台 XLearning，项目开源地址： https://github.com/Qihoo360/XLearning 。 XLearning 由 360 系统

日，蚂蚁金服开源了 ElasticDL 项目，据悉这是业界首个基于 TensorFlow 实现弹性深度学习的开源系统。 Google Brain 成员 Martin Wicke 此前在公开邮件中透露了

微软和亚马逊 AWS 合作推出了新的 深度学习库 Gluon ，开发者可以通过 Gluon 开发和训练复杂的机器学习模型，Gluon 还内置了一系列优化过的神经网络组件。 微软解释说：“开发者开发神经网络通常是

Expressois是一个基于Python的GUI用于设计、训练、探索深度学习的框架。它构建在 Caffe 之上，开源用于开发卷积神经网络常用框架。 项目主页： http://www.open-open

Vasilev是一名具有创业精神的高级开发人员。他的经验范围跨越多个领域和技术，但他的主要焦点在Java、JavaScript及机器学习上。 近些年来，人工智能重新兴起。它已超出学术领域范畴， Google、Microsoft和F

有许多人分析过深度学习重要性以及它是怎样风靡世界的，我十分赞同他们的说法。研究/应用深度学习时使我感觉自己最像个魔术师，我清楚地知道在未来的三年里，任何一个伟大的软件都将被深度学习所驱动。然而，深度学习目前还

nsorFlow，同时成为2015年最受关注的开源项目之一。TensorFlow的开源大大降低了深度学习在各个行业中的应用难度。TensorFlow的近期里程碑事件主要有： 2016年11月09日：TensorFlow开源一周年。

作为目前计算机科学领域最前沿和最具神秘色彩的学科，自 2006 年以来，人工智能领域随着云计算对大数据的并行处理能力的支持，其算法也取得突破性进展，这个算法就是深度学习（Deep Learning）的相关理论。

介绍一种利用深度神经网络来实现的端到端的验证码识别方法。通过本方法，可以在不切割图片、不做模板匹配的情况下实现精度超过90%的识别结果。 本文分为两个部分，第一个部分介绍如何利用深度神经网络实现验

在深度学习项目开始前，选择一个合适的框架是非常重要的事情。最近，来自数据科学公司 Silicon Valley Data Science 的数据工程师 Matt Rubashkin（UC Berkeley

mageNet大赛中力压亚军，以超过10个百分点的绝对优势夺得头筹之后，依托于建模技术的进步、硬件计算能力的提升、优化技术的进步以及海量数据的累积，Deep Learning在语音、图像以及文本等多个

人，指明一条全面的Python学习路径。这条路径提供了用Python进行数据分 析的必要步骤的一个全面概述。如果你已经有了一些基础，或者不需要所有的内容，可以随意调整学习路径以适合自己，并让我们知道你是怎么改动的。

Caffe深度学习计算框架，并开源公布所有代码，为深度学习的用户提供了更便捷、更高效的应用手段。 CNN：最接近人脑思维的算法 深度学习（Deep Learning）是近年来机器学习领域的热点

t 6月7日到12日，世界顶级的计算机视觉会议CVPR在美国波士顿召开，会议邀请了Facebook人工智能实验室主任、NYU数据科学中心创始人、深度学习界的泰斗 Yann LeCun 做了题为“What's

数据呢？ 将深度学习与拓扑数据分析结合在一起完全能够达到此目的，并且还绰绰有余。 1、它能在几分钟内创建一张数据图，其中每一个点都是一个数据项或一组类似的数据项。 基于数据项的相关性和学习模式，系

开源新秀 ”报告，显示了在过去一年中在多个领域的全新 top 开源项目。涉及到的领域有：区块链、数据库、深度学习、SDN、容器、网络安全和教育。 1、区块链 ——Sawtooth Lake Sawtooth

2015-2016 的机器学习平台开源大潮中，美国是当之无愧的引领者：无论是谷歌、亚马逊、微软、IBM 等互联网巨头，还是美国各大科研院所，为开源世界贡献了品类繁多的机器学习工具。这其中不乏华人的身影，比如开发出

在 F8 年度开发者大会上，Facebook 发布了一款全新的开源深度学习框架 Caffe2。按照官网介绍，它的最大特点就是轻量、模块化和可扩展性，即一次编码，到处运行（和 Java 的宣传语类似）。说得更直白一点，就是

人工智能领域许多存在了几十年的挑战忽然间被攻克了 ，几乎没有任何预兆。以长期以来被人工智能纯化论者所鄙视的途径——从海量数据中学习概率的方式——解决了。 从此你无需把问题编码成可运行的格式，更不依赖人自身解决问题的技巧——从