從Pipenv到PyTorch，總結2017年最受歡迎的十大機器學習Python library

摘要： 本文爲機器學習，盤點了 2017 年以來最受歡迎的十大 Python Library；同時在這十個非常流行與強大的 Python 庫之外，本文還給出了一些同樣值得關注的 Python 庫，如 PyVips 和 skorch。

閱讀全文...

從零開始：如何使用LSTM預測匯率變化趨勢

摘要： 在這篇文章中，我們將通過 LSTM 討論時序預測模型，數據科學家 Neelabh Pant 也會爲大家描述他利用循環神經網絡預測貨幣兌換匯率的經驗。

閱讀全文...

深度探討GB、GBDT、xgboost

摘要： GBDT和xgboost在競賽和工業界使用都非常頻繁，能有效的應用到分類、回歸、排序問題，雖然使用起來不難，但是要能完整的理解還是有一點麻煩的。本文嘗試一步一步梳理GB、GBDT、xgboost，它們之間有非常緊密的聯繫，GBDT是以決策樹（CART）為基學習器的GB算法，xgboost擴展和改進了GDBT，xgboost算法更快，準確率也相對高一些。

閱讀全文...

觀點 | 圖靈獎得主Judea Pearl：機器學習的理論侷限性與因果推理的七大特性

摘要： 近日，有越來越多的學者正在探討機器學習（和深度學習）的侷限性，並試圖爲人工智能的未來探路，紐約大學教授 Gary Marcus 就對深度學習展開了系統性的批判。此前，圖靈獎獲得者，UCLA 教授 Judea Pearl 題爲《Theoretical Impediments to Machine Learning with Seven Sparks from the Causal Revolution》的論文中，作者就已探討了當前機器學習存在的理論侷限性，並給出了面向解決這些問題，來自因果推理的七個啓發。Pearl 教授在 NIPS 2017 系列活動中對本文進行了討論，隨後，他也對一些人們關心的問題進行了解答。

閱讀全文...

盤點金融領域裡常用的深度學習模型

摘要： 在今天我們發布的這篇文章中，作者Sonam Srivastava 介紹了金融中的三種深度學習用例及這些模型優劣的證據。

閱讀全文...

徒手實現CNN：綜述論文詳解卷積網絡的數學本質

摘要： 近日南洋理工大學研究者發佈了一篇描述卷積網絡數學原理的論文，該論文從數學的角度闡述整個卷積網絡的運算與傳播過程。該論文對理解卷積網絡的數學本質非常有幫助，有助於讀者「徒手」（不使用卷積API）實現卷積網絡。

閱讀全文...

入門 | 瞭解神經網絡，你需要知道的名詞都在這裏

摘要： 近日，Mate Labs 聯合創始人兼 CTO 在 Medium 上撰文《Everything you need to know about Neural Networks》，從神經元到 Epoch，扼要介紹了神經網絡的主要核心術語。

閱讀全文...

臺灣大學黃意堯：深度殘差網絡下的弱監督關係抽取

摘要： 在今年的 EMNLP 2017 上，臺灣大學黃意堯與加州聖塔芭芭拉大學 (UCSB)William Wang 教授有一篇合作論文被錄用。黃意堯撰寫了關於這篇論文的研究歷程，以供學習與參考。我們做了不改動原意的編輯與修改，將繁體字轉換爲簡體，並將一些臺灣常用表述轉換爲大陸的通用說法。

閱讀全文...

標題黨太嚇人？這篇文章會告訴你DeepMind關係推理網絡的真實面貌

摘要： 每當DeepMind發表一篇新論文時，媒體都會狂熱的跟蹤報道，而且會使用很多誤導人的短語。

閱讀全文...

解析常見的數據分析模型——行為事件分析

摘要： 此篇介紹了事件行為分析法，此方法在多個領域都可以有所貢獻，比起其他的計量分析方法，事件行為分析法可以幫助我們專注在某些事件發生時的異常情況， 且方法容易上手，也適合沒有分析基礎的人使用。

閱讀全文...

Hadoop會取代數據倉庫嗎？看看矽谷的專家怎麼說

摘要： 一想數據管理世界中的那個偉大的存在–數據倉庫吧。在過去的二十年中，儘管其他的系統和軟件在許許多多的迭代、變革中演進，甚至完全被新模型所拋棄，數據倉庫這個老骨幹卻安然屹立。她可能會偷偷地給自己的面頰，皺紋整容，也可能會激起一些不那麼令人深刻的模仿，但是沒有什麼能長期的吸引她的注意力。 直到現在。自從Hadoop出現在舞台上之後，一直有人嘀咕說，這個閃亮的新星正在為一些最好的數據管理角色提供服務–這些角色就是，在幾年前，數據倉庫已穩操勝券。 但是現在真的到了數據倉庫要退休的時候了嗎？Hadoop甚至想要進入她的鞋子裡嗎？還有誰在後面等著呢？ 讓我們仔細看看這些據報導的競爭對手的全部本領。

閱讀全文...

一步一步學習大數據：Hadoop 生態系統與場景

摘要： Hadoop的出現解決了互聯網時代的海量數據存儲和處理，其是一種支持分佈式計算和存儲的框架體系。假如把Hadoop集群抽象成一台機器的話，理論上我們的硬件資源（CPU、Memoery等）是可以無限擴展的。

閱讀全文...