个分布式机器学习算法的集合，协同过滤只是其中的一部分。除了被称为Taste的分布式协同过滤的实现（Hadoop-based，另有pure Java版本），Mahout里还有其他常见的机器学习算法的分布式实现方案。当前拥有：

囊括了机器学习机计算机视觉的书籍、论 文、教程和课程多方面资料. Machine Learning EBooks My Colletion bookfi for free ebooks Tutorials

摘要： 机器学习，特别是深度学习（DL），最近已经在语音识别、图像识别、自然语言处理、推荐/搜索引擎等领域获得了成功。这些技术在自主驾驶汽车、数字卫生系统、CRM、广告、物联网等方面都存在着非常有前景

注：最近机器学习很火热，特别是谷歌推出TensorFlow后，推动了机器学习的发展。相比Android、iOS等开发项目，机器学习门槛相对要高一些，需要耐心地学习。在接触真正的机器学习之前，我们先来看一个在Android

凡的艺术品。以往，这种创造过程总是神秘而不可预知的。因而，机器无法自动完成图画，尤其是抽象画派作品的创作。然而，在目标或者人脸识别等领域，机器已经能够根据 深度神经网络（Deep Neural Network，DNN）

12 本免费的机器学习电子书

我的周围有一些跟达比一样的人，这些人认为，不管遇到什么问题， 机器学习的目的就是执行以及使用 2 – 3 组算法。他们不去尝试更好的算法和技术，因为他们觉得太困难或耗费时间。 像达比一样，他们无疑是在到达最后一步的时候突然消失了

机器学习毫无疑问是当今最热的话题，它已经渗透到生活的方方面面，在移动互联网中混不懂点机器学习都不好意思，说几个能看的到的，经常用邮箱吧，是不是感觉垃圾邮件比N年前变少了，无聊了和siri聊过天不，想坐

今年的 NIPS 会议是当下人工智能和深度学习热情的一个聚焦点 —— 从中能够感受到机器学习领域的飞速发展，并且公开了两家新的人工智能初创公司。参会人数相比2014年的大会几乎翻倍（希望明年主办方能设

编者按：本文收集了百来篇关于机器学习和深度学习的资料，含各种文档，视频，源码等。而且原文也会不定期的更新，望看到文章的朋友能够学到更多。 《Brief History of Machine Learning》

作者简介 秦涛博士，现任微软亚洲研究院主管研究员。他和他的小组的研究领域是机器学习和人工智能，研究重点是深度学习和强化学习的算法设计、理论分析及在实际问题中的应用。他在国际顶级会议和期刊上发表学术论文80余篇

编者按：本文收集了百来篇关于机器学习和深度学习的资料，含各种文档，视频，源码等。而且原文也会不定期的更新，望看到文章的朋友能够学到更多。 《Brief History of Machine Learning》

模型学习的目标是通过提供输入和观察输出来构建软件和硬件系统的黑箱状态图模型（black box state diagram model）。模型学习的算法的设计师一个基本的研究问题。 模型学习正在成

机器视觉。当然这只是一种比较直白的理解，并不能见得绝对准确或者全面。我们权且这样处理。而且在本文后面若提到这两个名词，我们所表示的意思是一致的。 但无论是机器学习，还是数据挖掘，你一定听说过很多很

，同时对机器学习是如何随着时间缓慢发展的也有个直观的认识。 以下为正文： 本文我们来关注下三个非常相关的概念（深度学习、机器学习和模式识别），以及他们与2015年最热门的科技主题（机器人和人工智能）的联系。

DeepDetect是C++实现的基于外部机器学习/深度学习库（目前是Caffe）的API。给出了图片训练（ILSVRC）和文本训练（基于字的情感分析，NIPS15）的样例，以及根据图片标签索引到El

摘要：机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里我们将为您总结一下常见的机器学习算法，以供您在工作和学习中参考。 【编者按】机器学习的算法

摘要 ： 深度学习可以完成需要高度抽象特征的人工智能任务，如语音识别、图像识别和检索、自然语言理解等。深层模型是包含多个隐藏层的人工神经网络，多层非线性结 构使其具备强大的特征表达能力和对复杂任务建模

第13章 　增强学习 增强学习要解决的是这样的问题：一个能够感知环境的自治agent，怎样学习选择能达到其目标的最优动作。这个很具有普遍性的问题应用于学习控制移动机器人、在工厂中学习进行最优操作工序、

　计算学习理论 本章理论地刻画了若干类型的机器学习问题中的困难，和若干类型的机器学习算法的能力。该理论致力于回答如下的问题：“在什么样的条件下成功的学习是可能的？”以及“在什么条件下一特定的学习算法可