计算数据概念，伯克利分校 9 实用机器学习，伯克利分校 4 人工智能伯克利分校 1 可视化，伯克利 1 数据挖掘和分析的智能商务服务，伯克利 2 数据科学及分析：思想领袖，伯克利 机器学习，斯坦福大学 4 范式的计算数据，斯坦福大学

利用机器学习对歌词体现出的情绪分类，目标是建立分类器，将歌曲分成快乐的和悲伤的，用到python的Pandas, scikit-learn, h5py, NLTK和flask. Exploratory

Petuum 是 一个机器学习专用分布式计算框架，本文介绍其架构，并基于文章 More Effective Distributed ML via a Stale Synchronous Parallel

前言：新开通的博客，用于记录一些学习方面的东西，算是一个学习笔记吧。本系列按照《集体智慧编程》一书的框架进行。老实说，《集体》在理论上并不算是很好的参考书，但是该书是以一个个具体场景应用为驱动的，个人认为很适合用于机器学习相关的入门教材，起码很对我的胃口。

html 机器学习和数据挖掘推荐书单 有了这些书，再也不愁下了班没妹纸该咋办了。慢慢来，认真学，揭开机器学习和数据挖掘这一神秘的面纱吧！ 《机器学习实战》 ：本书第一部分主要介绍机器学习基础，以

VELES 是分布式深度学习应用系统，用户只需要提供参数，剩下的都可以交给 VELES。VELES 使用 Python 编写，使用 OpenCL 或者 CUDA，利用基于 Flow 的编程。 VELES

一、监督学习简介 监督机器学习问题无非就是“minimizeyour error while regularizing your parameters”，也就是在规则化参数的同时最小化误差。最小化

tle标识和Keywords标识等所有其它因素之后，Google通过PageRank来调整结果， 使那些更具“等级/重要性”的网页在搜索结果中令网站排名获得提升，从而提高搜索结果的相关性和质量。鉴于G

前言：最初关注深度机器学习是听了NUS的汪晟博士关于深度机器学习平台SIGNA的介绍，当时就发现深度机器学习是人工智能的一个革新的进步。但是由于从事的云计算和大数据方向的工作，所以平时只是作为自己的兴

大规模机器学习工程上最大的挑战是模型的规模。在计算广告，推荐系统的场景下，运用Logistic Regression算法时常需要做特征交叉。原来两组，三组特征的数量可能并不是太大，但是通过交叉后可能会

的研究科学家 Martin Zinkevich 曾在 NIPS 2016 Workshop 分享了谷歌机器学习实践的四十三条法则。Martin Zinkevich 也在自己的博客上分享了这四十三条经验法则。文章《Rules

基于Docker的TensorFlow机器学习框架搭建和实例源码解读，TensorFlow作为最火热的机器学习框架之一，Docker是的容器，可以很好的结合起来，为机器学习或者科研人员提供便捷的机器学习开发环境，探索人工

Milk 是一个Python机器学习工具包。它的重点是监督分类，已经有几个分类可用包括：SVMs (基于 libsvm)，K-NN，随机树，和决策树。它还能执行功能选择。这些分类器可以以多种方式相结合

等研究者将索引视为模型，探索了深度学习模型学习的索引优于传统索引结构的条件。本文首先将介绍什么是索引以及哈希算法，并描述在机器学习与深度学习时代中，如何将索引视为模型学习比哈希算法更高效的表征。 2017

面向四种语言的最佳资源库再加上Java on Hadoop，相信足以帮助大家将机器学习转化为切实可靠的业务工具。 在经历了数十年单纯作为专业学科的潜伏期之后，机器学习突然之间在技术前沿与核心领域赢得了一席之地、并开始作

机器学习是什么？ 简单说：机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。 用一张图说明它所包含的内容： 编者注：这张图比较大，想看清晰的可以戳 这里

Studio 有着大量的机器学习算法，现在你可以使用它来构建预测分析解决方案。这些算法可用于一般的机器学习： 回归分析、分类、聚类和异常检测 ，且每一个都可以解决不同类型的机器学习问题。 现在的问题

Hadoop，Spark 拥有敏捷快速的效能和便于应用的优势，因其采用内存储存数据资料，使它拥有高效运算；而通用的 API 协助使用者编写复杂的平行运算程序，让 Spark 程序更容易开发和理解。凭藉高效能优势，Spark

在今天都是家常便饭，而这些都要归功于 Google 在机器学习系统及人工智能系统方面的研究和突破。而今天，Google 宣布将其重要的智能机器学习系统 TensorFlow 免费开放，这样每个人都可以试试使用这款开源软件了。

片，上面蚀刻着一个微缩的Google logo，并把这个装置降温到绝对零度以上1/100℃。为了庆祝测试机器的第一天，Martinis和同事们在一家自酿啤酒馆举办了一个他所谓的「小聚 会」，这些同事都来自于Google在加州圣塔芭芭拉新购置的实验室。