機器學習必備手冊

更多深度文章，請關注雲計算頻道：https://yq.aliyun.com/cloud

<a href="https://yq.aliyun.com/articles/215774">請收下這份關于人工智能的根目錄——部落格整理系列（一）</a>

<a href="https://yq.aliyun.com/articles/221610" target="_blank">關于資料科學的那些事——部落格整理系列（二）</a>

<a href="https://yq.aliyun.com/articles/221644" target="_blank">機器學習必備手冊——部落格整理系列（三）</a>

<a href="https://yq.aliyun.com/articles/221649" target="_blank">擴充眼界的都在這——部落格整理系列（四）</a>

<a href="https://yq.aliyun.com/articles/221660" target="_blank">深度學習必備手冊（上）——部落格整理系列（五）</a>

<a href="https://yq.aliyun.com/articles/221662" target="_blank">深度學習必備手冊（下）——部落格整理系列（六）</a>

機器學習是計算機科學的一個子領域，在人工智能領域，機器學習逐漸發展成模式識别和計算科學理論的研究。從2016年起，機器學習到達了不合理的火熱巅峰。但是，有效的機器學習是困難的，因為機器學習本身就是一個交叉學科，沒有科學的方法及一定的積累很難入門。

如果你也想學習機器學習或者正在學習機器學習，本手冊一定會幫助你走向你自己的“人生巅峰”。手冊包含如何入門機器學習，機器學習流行算法，機器學習實戰等等。

<b>一．機器學習入門篇：</b>

<a href="https://yq.aliyun.com/articles/67218" target="_blank">1．讓你少走彎路：這有一份開展機器學習的簡短指南</a>

摘要：本文分享了一份簡單的關于開展機器學習的心得體會，目的是給初學者提供基本的指導，主要講解了建立系統、選擇合适的評價名額、資料處理、系統優化等内容，幫助初學者少走一些彎路。

<a href="https://yq.aliyun.com/articles/204352" target="_blank">2. 機器學習的入門“秘籍”</a>

摘要：機器學習已經成為當下最火熱的技術之一，對于初學者來說，如何快速入門機器學習是至關重要的。本文屬于入門級寶典，高手請繞道！

<a href="https://yq.aliyun.com/articles/213634" target="_blank">3. 會玩超級瑪麗，機器學習能有多難？</a>

摘要：小白也能看懂機器學習？這篇文章用超級瑪麗的原理教會你，到底什麼是機器學習，讓尖端科技不再艱深難懂。

<a href="https://yq.aliyun.com/articles/168744" target="_blank">4. 機器學習能為你的業務做什麼？有些事情你肯定猜不到！（機器學習入門第一篇）</a>

摘要：機器學習是一項令人難以置信的技術，你需要了解很多很多的基礎知識，以使得業務功能盡可能的不受複雜算法的影響，讓你能夠提出正确的問題、了解機器學習模型開發過程、成立一個團隊以促進學科間的不斷合作，而不是把資料科學視為一個産生奇迹的黑匣子。

<a href="https://yq.aliyun.com/articles/169190" target="_blank">5. 關于機器學習算法 你需要了解的東西（機器學習入門第二篇）</a>

摘要：對學習算法進行分類是基于構模組化型時所需的資料：資料是否需要包括輸入和輸出或僅僅是輸入，需要多少個資料點以及何時收集資料。根據上述分類原則，可以分為4個主要的類别：監督學習、無監督學習、半監督學習和強化學習。

<a href="https://yq.aliyun.com/articles/174724" target="_blank">6. 如何開發機器學習模型？（機器學習入門第三篇）</a>

摘要：建立一個優秀的機器學習模型跟建立其他産品是一樣的：首先從構思開始，把要解決的問題和一些潛在的解決方案放在一起考慮。一旦有了明确的方向，就可以對解決方案進行原型化，然後對它進行測試以确定是否滿足需求，不妨看看本文是如何一步一步實作的。

<a href="https://yq.aliyun.com/articles/175707" target="_blank">7.如何高效運作機器學習團隊（機器學習入門第四篇）</a>

摘要: 一個“傳統”的産品團隊由設計師、工程師和産品經理組成，而資料分析師有時也會包含在其中，但大多數情況下是多個團隊共享這個稀缺資源。在機器學習團隊中又會有哪些角色群組織結構呢，本文為你揭曉。

<a href="https://yq.aliyun.com/articles/178357" target="_blank">8.機器學習會産生哪些使用者體驗問題？（機器學習入門第五篇）</a>

摘要：許多機器學習算法都是黑匣子：輸入大量的資料，然後獲得一個以某種神秘方式工作的模型。這使得很難向使用者解釋機器學習的結果。在許多算法中，還存在着互動效應，這使得模型更加難以解釋了。你可以把這個看成是特征之間的複合效應，特征之間以多種奇怪而又複雜并且不為人類所了解的方式結合在一起，整體效應大于各個部分效應。

<a href="https://yq.aliyun.com/articles/67165" target="_blank">9. 簡單自學機器學習理論——引言 (Part I)</a>

摘要：本篇文章是"機器學習理論"三部曲中的第一部分，主要介紹學習機器學習的動機及基本理論知識，詳細介紹機器學習所學習的問題、泛化誤差以及學習問題是否可解的公式化表示，為初步研究機器學習的人員介紹了機器學習的基本處理過程。

<a href="https://yq.aliyun.com/articles/67168" target="_blank">10. 簡單自學機器學習理論—— 泛化界限 (Part II )</a>

摘要：本篇文章是"機器學習理論"三部曲中的第二部分，主要介紹獨立同分布、大數法則及hoeffding不等式等基本數學知識，詳細推導了泛化界限及其分解。

<a href="https://yq.aliyun.com/articles/67170" target="_blank">11. 簡單自學機器學習理論——正則化和偏置方差的權衡 (Part III )</a>

摘要：本篇文章是"機器學習理論"三部曲中的第三部分，主要介紹方差分解以及目标函數的正則化，通過仿真可以看到，引入正則化項限定了學習問題的解決方案範圍。

<a href="https://yq.aliyun.com/articles/78023" target="_blank">12. 入門級攻略：機器學習 VS. 深度學習</a>

摘要：本文以淺顯易懂的語言介紹了機器學習和深度學習的定義及應用，以及在源資料要求，硬體支援，特征工程、問題解決方式、執行時間及可解釋性等方面的差別，對于新手入門有很大啟示意義。

<a href="https://yq.aliyun.com/articles/200980" target="_blank">13. 增強學習小白？本文帶你入門了解增強學習</a>

摘要：入門一件新事物總是會有些無從下手的，看了本文希望可以給大家一些幫助和了解。

<a href="https://yq.aliyun.com/articles/66489" target="_blank">14.這10本由淺入深的好書，或讓你成為機器學習領域的專家</a>

摘要：機器學習是個跨領域的學科，而且在實際應用中有巨大作用，但是沒有一本書能讓你成為機器學習的專家。在這篇文章中，我挑選了10本書，這些書有不同的風格，主題也不盡相同，出版時間也不一樣。是以，無論你是新手還是領域專家，定能找到适合你的。

<a href="https://yq.aliyun.com/articles/64929" target="_blank">15.想知道機器學習掌握的怎麼樣了嗎？這有一份自測題（附答案和解析）</a>

摘要：人類對于自動化和智能化的追求一直推動着技術的進步，而機器學習這類型的技術對各個領域都起到了巨大的作用。随着時間的推移我們将看到機器學習無處不在從移動個人助理到電子商務網站的推薦系統。即使作為一個外行你也不能忽視機器學習對你生活的影響。本次測試時面向對機器學習有一定了解的人。

<a href="https://yq.aliyun.com/articles/222864" target="_blank">16. 送機器學習電子書——(TensorFlow)RNN入門</a>

摘要：本文作者正在寫自己的新書Machine Learning with TensorFlow，這篇博文隻是他新書的一小部分，作者用簡單的語言介紹了RNN，不用一個小例子介紹了如何使用Tensorflow中内置的RNN模型進行預測。

<a href="https://yq.aliyun.com/articles/221708" target="_blank">17. 适合入門的8個趣味機器學習項目</a>

摘要：還在為找不到機器學習入門練手項目而感到無奈嗎？本指南中，将給大家帶來8個适合初學者學習的有趣的機器學習項目，簡單易學，相信會增添大家學習機器學習的信心。

<a href="https://yq.aliyun.com/articles/222434" target="_blank">18. 機器學習快速入門：你必須知道的三大算法</a>

摘要：每天霸占新聞頭條的“機器學習”，想入門，先看懂這三大算法。

<b>二．機器學習算法篇：</b>

<a href="https://yq.aliyun.com/articles/86632" target="_blank">1.快速選擇合适的機器學習算法</a>

摘要：機器學習初學者可以通過本文了解如何快速找到合适的機器學習算法。

<a href="https://yq.aliyun.com/articles/64245" target="_blank">2.多重角度解讀：貝葉斯推理是怎麼工作的</a>

摘要：本文首先介紹了貝葉斯的起源，并利用簡單的例子生動形象地講解了貝葉斯定理是如何工作的，解釋了其基本原理以及公式的實體含義。

<a href="https://yq.aliyun.com/articles/113512" target="_blank">3.簡單通俗易懂：一個小例子完美解釋Naive Bayes（樸素貝葉斯）分類器</a>

摘要：Naive Bayes分類器的解釋有很多，但是基于一個小例子來解釋的不多，本文就是基于一個簡單通俗易懂的小例子來解釋Naive Bayes分類器。

<a href="https://yq.aliyun.com/articles/113511" target="_blank">4.“學”、“習”二合一：監督學習——支援向量機（SVM）入門</a>

摘要：SVM是機器學習中有監督學習的一種，通常用來進行模式識别、分類、以及回歸分析。本文用一個小例子簡介SVM，言簡意赅，通俗易懂。

<a href="https://yq.aliyun.com/articles/214305" target="_blank">5.機器學習利器——決策樹和随機森林</a>

摘要: 機器學習是當下最火的領域，本文通過一個小例子介紹了其核心算法：決策樹和随機森林。

<a href="https://yq.aliyun.com/articles/63053" target="_blank">6.基于圖的機器算法 （一）</a>

摘要：基于圖的機器算法學習是一個強大的工具。結合運用子產品特性，能夠在集合檢測中發揮更大作用。

<a href="https://yq.aliyun.com/articles/65036" target="_blank">7.基于圖的機器算法 （二）</a>

摘要：基于圖的機器算法學習是一個強大的工具。結合運用子產品特性，能夠在集合檢測中發揮更大作用。本文是基于圖的機器算法系列文的第二篇。

<a href="https://yq.aliyun.com/articles/66987" target="_blank">8.簡單易學！一步步帶你了解機器學習算法——馬爾可夫鍊蒙特卡羅（MCMC）</a>

摘要：對于簡單的分布，很多的程式設計語言都能實作。但對于複雜的分布，是不容易直接抽樣的。馬爾可夫鍊蒙特卡羅算法解決了不能通過簡單抽樣算法進行抽樣的問題，是一種實用性很強的抽樣算法。本文将簡明清晰地講解馬爾可夫鍊蒙特卡羅算法，帶你了解它。

<a href="https://yq.aliyun.com/articles/66794" target="_blank">9.進階隐式矩陣分解——探讨如何實作更快的算法</a>

摘要：本文重點是圍繞Conjugate Gradient（共轭梯度）方法來探讨更優的矩陣分解算法。

<a href="https://yq.aliyun.com/articles/73484" target="_blank">10.純幹貨|機器學習中梯度下降法的分類及對比分析（附源碼）</a>

摘要：本文詳細介紹了基于使用資料量的多少，時間複雜度以及算法準确率的不同類型的梯度下降法，并詳細說明了3種梯度下降法的比較。

<a href="https://yq.aliyun.com/articles/68901" target="_blank">11.深度學習網絡大殺器之Dropout（I）——深入解析Dropout</a>

摘要：本文詳細介紹了深度學習中dropout技巧的思想，分析了Dropout以及Inverted Dropout兩個版本，另外将單個神經元與伯努利随機變量相聯系讓人耳目一新。

<a href="https://yq.aliyun.com/articles/110002" target="_blank">12.深度學習網絡大殺器之Dropout（II）——将丢棄學習視為內建學習之我見</a>

摘要：本文分析了可以将丢棄學習當作是內建學習。在內建學習中，可以将一個網絡劃分成若幹個子網絡，并且單獨訓練每個子網絡。在訓練學習後，将每個子網絡的輸出進行平均得到內建輸出。另外，展示了丢棄學習可以看成是在每次疊代中不同隐藏節點集合的內建學習表現，同時也展示了丢棄學習有着與L2正則化一樣的效果。

<a href="https://yq.aliyun.com/articles/73661" target="_blank">13.神經網絡常用激活函數對比：sigmoid VS sofmax（附python源碼）</a>

摘要：本文介紹了神經網絡中的兩種常用激活函數——softmax與sigmoid函數，簡單介紹了其基本原理、性質及其使用，并用python進行了執行個體化示範，在文章的最後總結了兩種激活函數的差別。

<a href="https://yq.aliyun.com/articles/72738" target="_blank">14.新穎訓練方法——用疊代投影算法訓練神經網絡</a>

摘要：本文介紹了一種利用疊代投影算法對神經網絡進行訓練的方法，首先介紹了交替投影的基礎知識，說明投影方法是尋找非凸優化問題解決方案的一種有效方法；之後介紹了差異圖的基礎知識，将差異圖與一些其他算法相結合使得差分映射算法能夠收斂于一個好的解決方案；當投影的情況變多時，介紹了分治算法，最後将疊代投影算法應用到神經網絡訓練中，給出的例子實驗結果表明效果不錯。

<a href="https://yq.aliyun.com/articles/71662" target="_blank">15.車輛追蹤算法大PK：SVM+HOG vs. YOLO</a>

摘要：本文通過SVM+HOG算法，YOLO算法實作車輛檢測和跟蹤準确性和速度的對比，得出YOLO算法更具優勢的結論。

<a href="https://yq.aliyun.com/articles/69263" target="_blank">16.什麼是視訊向量化？本文帶你了解基于DeepWalk的視訊推薦</a>

摘要：本文簡要講述了視訊向量化，對DeepWalk的算法進行簡單的解釋。

<a href="https://yq.aliyun.com/articles/70733" target="_blank">17.比PCA降維更進階——（R/Python）t-SNE聚類算法實踐指南</a>

摘要: 本文介紹t-SNE聚類算法，分析其基本原理。并從精度上與PCA等其它降維算法進行比較分析，結果表明t-SNE算法更優越，本文最後給出了R、Python實作的示例以及常見問題。t-SNE算法用于自然語音處理、圖像處理等領域很有研究前景。

<a href="https://yq.aliyun.com/articles/216164" target="_blank">18.随機森林 VS 梯度提升機——模型融合之我見</a>

摘要：本文節選自Quora社群上“When would one use

Random Forests over Gradient Boosted Machines (GBMs)?”問題的回答，幾位部落客就随機森林(Random Forests)與梯度提升機(Gradient Boosted

Machines, GBMs)的适合場景以及優缺點展開了讨論。

<b>三．機器學習常用庫：</b>

<a href="https://yq.aliyun.com/articles/69330" target="_blank">1.倚天遇到屠龍：LightGBM VS xgboost誰才是最強的梯度提升庫？</a>

摘要：很多人把XGBoost比作屠龍刀，LightGBM比作倚天劍，那麼當倚天遇到屠龍，誰更強呢？

<a href="https://yq.aliyun.com/articles/81469" target="_blank">2.即學即用：Pandas入門與時間序列分析</a>

摘要：這篇文章是Alexander Hendorf 在PyData Florence

2017上做的報告。報告前半部分主要為初學者介紹Pandas的基本功能，如資料輸入/輸出、可視化、聚合與選擇與通路，後半部分主要介紹如何使用Pandas進行時間序列分析，源代碼親測可用。

<a href="https://yq.aliyun.com/articles/136493" target="_blank">3.俄羅斯最大搜尋引擎Yandex開源了一款梯度提升機器學習庫CatBoost</a>

摘要：俄羅斯搜尋巨頭Yandex宣布，将向開源社群送出一款梯度提升機器學習庫CatBoost。它能夠在資料稀疏的情況下“教”機器學習。特别是在沒有像視訊、文本、圖像這類感官型資料的時候，CatBoost也能根據事務型資料或曆史資料進行操作。

<a href="https://yq.aliyun.com/articles/159746" target="_blank">4.Netflix開源面向稀疏資料優化的輕量級神經網絡庫Vectorflow</a>

摘要：在Netflix公司，我們的機器學習科學家在多個不同的領域處理着各種各樣的問題：從根據你的愛好來定制電視和推薦電影，到優化編碼算法。我們有一小部分問題涉及到處理極其稀疏的資料；手頭問題的總次元數很容易就能達到數千萬個特征，即使每次要看的可能隻是少數的非零項。

<a href="https://yq.aliyun.com/articles/210393" target="_blank">5.Python高性能計算庫——Numba</a>

摘要：在計算能力為王的時代，具有高性能計算的庫正在被廣泛大家應用于處理大資料。例如：Numpy，本文介紹了一個新的Python庫——Numba， 在計算性能方面，它比Numpy表現的更好。

<a href="https://yq.aliyun.com/articles/68270" target="_blank">6.第二熱門語言：從入門到精通，Python資料分析庫大全</a>

摘要：本文介紹了一些常見的用于資料分析任務的Python庫，如Numpy、Pandas、Matplotlib、Scikit-learn以及BeautifulSoup等，這些工具庫功能強大，便于上手。有了這些幫助，資料分析會變得分外簡單。

<a href="https://yq.aliyun.com/articles/158384" target="_blank">7.新工具——TensorLayer：管理深度學習項目的複雜性</a>

摘要：本文介紹了一種新基于TensorFlow的python庫——TensorLayer，它能夠有效的幫助開發者管理好自己的深度學習網絡。并且它還提供了很多功能強悍的API，幫助開發者更好的完成任務。

<a href="https://yq.aliyun.com/articles/215295" target="_blank">8.Pandas并非完美無缺</a>

摘要：我們一直使用Pandas，但是卻不知道關于Pandas的細節。Pandas開發者深度複盤Pandas，指出了十大關鍵性問題，并通過介紹了如何使用Apache Arrow來解決這些問題。

<a href="https://yq.aliyun.com/articles/222523" target="_blank">9. 關于Numba你可能不了解的七個方面</a>

摘要：目前Numba正被開始流行使用來加速Python程式，本文講解了七個大家可能不了解的方面，希望對大家有所幫助。

<b>四．機器學習實戰篇：</b>

<a href="https://yq.aliyun.com/articles/199312" target="_blank">1.57行價值八千萬美元的車牌識别代碼</a>

摘要：為了防止被竊車輛進入黑市銷售，警方使用了一個名為VicRoads的基于網絡的服務，該服務用于檢查車輛的登記狀态。該警局還投資研發了一個固定式汽車牌照掃描器：一個固定的三腳架攝像頭，可掃描過往的車輛，并自動識别被竊車輛。

<a href="https://yq.aliyun.com/articles/206197" target="_blank">2.如何利用機器學習預測房價？</a>

摘要：本文作者利用自己過去三個月裡所學到的東西，來預測所在城市的房價。所用到的技術有網絡爬取技術、文本自然語言處理，圖像上的深度學習模型以及梯度增強技術等。

<a href="https://yq.aliyun.com/articles/145476" target="_blank">3.機器學習中的技術債務</a>

摘要：許多人遇到技術債務時都會眉頭緊鎖，但一般來說，技術債務并不是一件壞事。例如，當我們需要在最後期限之前釋出版本的時候，技術債務就是一個可以利用起來的合理手段。但是技術債務存在與金融債務一樣的問題，那就是到了要償還債務的時候，我們所付出的要比開始時付出得多。這是因為技術債務具有複合效應。

<a href="https://yq.aliyun.com/articles/73923" target="_blank">4.DIY圖像壓縮——機器學習實戰之K-means 聚類圖像壓縮：色彩量化</a>

摘要：本文以圖像壓縮為例，介紹了機器學習的實際應用之一。

<a href="https://yq.aliyun.com/articles/128036" target="_blank">5.如何将機器學習用在基于規則的驗證上</a>

摘要：這篇文章介紹了一些進階問題，比如：智能自治系統的驗證有多少可以用機器學習來實作？大多數的需求是否仍然是基于規則的，如果是這樣，那麼它們如何跟機器學習相結合？ 機器學習和規則之間的不穩定接口如何影響基于機器學習的系統？

<a href="https://yq.aliyun.com/articles/126506" target="_blank">6.Certigrad——随機計算圖優化系統</a>

摘要：Certigrad是一種概念證明，它是用于開發機器學習系統的一個新途徑。

<a href="https://yq.aliyun.com/articles/175770" target="_blank">7.使用神經網絡和遺傳算法玩轉 Flappy Bird</a>

摘要：本文展示了針對Flappy Bird遊戲設計的機器學習算法。本實驗的目标是使用神經網絡和遺傳算法編寫一個人工智能遊戲控制器，打出遊戲最高分，不服的來挑戰！

<a href="https://yq.aliyun.com/articles/202934" target="_blank">8.教機器寫代碼：增強拓撲進化網絡(NEAT)</a>

摘要：NEAT的意思是“增強拓撲進化網絡”，它描述了在進化過程中受遺傳修飾啟發的自學習機器的算法概念，不妨看看它是如何教機器寫代碼的。

<a href="https://yq.aliyun.com/articles/221659" target="_blank">9. 機器學習中，使用Scikit-Learn簡單處理文本資料</a>

摘要：機器學習中，我們總是要先将源資料處理成符合模型算法輸入的形式，比如将文字、聲音、圖像轉化成矩陣。對于文本資料首先要進行分詞（tokenization），移除停止詞（stop words），然後将詞語轉化成矩陣形式，然後再輸入機器學習模型中，這個過程稱為特征提取（feature extraction）或者向量化（vectorization）。

<b>五．機器學習雜談篇：</b>

<a href="https://yq.aliyun.com/articles/202933" target="_blank">1.關于機器學習你必須了解的十個真相</a>

摘要：作者從非專業人士的角度對人工智能常見的誤解進行了解釋說明。

<a href="https://yq.aliyun.com/articles/68266" target="_blank">2.誰更勝一籌？——随機搜尋 V.S. 網格搜尋</a>

摘要：随機法和網格法都是常用的、有效的結構優化方法。那麼它們兩者當中誰更勝一籌呢？在本文中，作者通過有趣的地形搜尋實驗，找到了答案。

<a href="https://yq.aliyun.com/articles/68410" target="_blank">3.沒有任何公式——直覺的了解變分自動編碼器VAE</a>

摘要：本文簡單介紹了變分自動編碼器VAE的基本原理，從經典神經網絡的貝葉斯計算機率方法慢慢轉變到變分自動編碼器神經網絡中的優化問題，使用KL散度度量誤差，給大家提供一個VAE的基本架構。全篇沒有公式，通俗易懂。

<a href="https://yq.aliyun.com/articles/68795" target="_blank">4.增強避障系統設計淺析：站在機器學習的角度，剖析學習型避障小車的設計思路</a>

摘要：FF91于12017年1月4日在美國拉斯維加斯成功首發，拉開了網際網路生态電動汽車的序幕。自動泊車使得停車也成為了一種享受，新手司機再也不用擔心該如何見縫插針了。但是如果在車水馬龍的繁忙環境下，無人駕駛還能得心應手嗎？本文将站在機器學習的角度和大家分享學習型避障小車的設計思路。

<a href="https://yq.aliyun.com/articles/71009" target="_blank">5.AlphaGo在圍棋界成為最強王者後，我們該如何進行機器學習？</a>

摘要：機器學習無疑是時下的科技熱點。無人駕駛，機器下棋，股市預測等領域，我們都能找到機器學習忙碌和高大的身影。那麼對于初學者來說，該如何下手？該怎麼學習呢？

<a href="https://yq.aliyun.com/articles/73292" target="_blank">6.分享Andrew Ng在深度學習暑期班中演講的機器學習項目</a>

摘要：深度學習項目流程，帶你走出迷茫。

<a href="https://yq.aliyun.com/articles/158322" target="_blank">7.分布式機器學習平台比較</a>

摘要：機器學習，特别是深度學習（DL），最近已經在語音識别、圖像識别、自然語言處理、推薦/搜尋引擎等領域獲得了成功。這些技術在自主駕駛汽車、數字衛生系統、CRM、廣告、物聯網等方面都存在着非常有前景的應用。當然，資金驅動着這些技術以極快的速度向前發展，而且，最近我們已經看到了有很多機器學習平台正在建立起來。

<a href="https://yq.aliyun.com/articles/187541" target="_blank">8.機器學習和統計學的“愛恨情仇”可以結束了</a>

摘要：機器學習和統計學在資料科學的領域裡，已經相愛相殺很多年。今天，就讓我們跟随ML從業者和統計學家兩者組成團隊，解開兩者這幾十年的“愛恨情仇”。

<a href="https://yq.aliyun.com/articles/201157" target="_blank">9.2017上半年無監督特征學習研究成果彙總</a>

摘要：無監督學習是人工智能時代核心技術，今天我們就來盤點一下2017上半年無監督學習出現了那些重要的研究成果。

<a href="https://yq.aliyun.com/articles/79584" target="_blank">10.有監督相似性學習：基于相似問題資料的對稱關系學習</a>

摘要：本文簡單介紹基于相似問題資料的對稱關系學習，通過在Quora資料集和StackExchange語料庫上應用孿生卷積神經網絡的結果表明，對稱網絡能夠較大幅度地提高檢測精度。

<a href="https://yq.aliyun.com/articles/223187" target="_blank">11. 應用機器學習：傳道解惑指南</a>

摘要：本文作者編輯了一份包括概念、定義、資源以及工具的知識合集，這對于在這個複雜領域從事工作的人來說非常有用。

<a href="https://promotion.aliyun.com/ntms/act/ambassador/sharetouser.html?userCode=lwju78qa&amp;utm_source=lwju78qa">數十款阿裡雲産品限時折扣中，趕緊點選領劵開始雲上實踐吧！</a>