在神经网络的成功的带动下，越来越多的研究人员和开发人员都开始重新审视机器学习，开始尝试用某些机器学习方法自动解决可以轻松采集数据的问题。然而，在众多的机器学习算法中，哪些是又上手快

个性化推荐系统是一个系统工程，依赖产品、数据、架构、算法、人机交互等进行场景推荐，本节重点从这几个维度阐述了京东的个性化推荐系统。推荐系统随着业务发展和社会生活方式的改变而进行不断

人工智能最近引起了非常多的关注，深度学习和机器学习作为人工智能实现的技术的得到了充分的关注，在计算机视觉和自然语言处理等领域产生了巨大的影响，深度学习是无人驾驶汽车的关键技术。

机器学习工程师是开发产品和构建算法团队中的一部分，并确保其可靠、快速和成规模地工作。

这个过程中存在一些痛点：线上数据到线下搬运耗时训练数据量难均衡，如果训练数据量较大，用R或者Python做单机训练将会非常耗时。如果训练数据量较小，训练出来的模型容易过拟合。对分析和挖掘

深度学习不是单个方法，而是一类可用来解决广泛问题的算法和拓扑结构。深度学习显然已不是新概念，但深度分层神经网络和GPU的结合使用加速了它们的执行，深度学习正在突飞猛进地发展。

作为一名软件工程师，我们应该活到老学到老，时刻与不断发展的框架、标准和范式保持同步。同时，还要能活学活用，在工作中使用最合适的工具，以提高工作效率。随着机器学习在越来越多的应用程序

如果你经常想让自己弄清楚机器学习和深度学习的区别，阅读该文章，我将用通俗易懂的语言为你介绍他们之间的差别。

最近有关时下流行的人工智能（AI）的言论正不绝于耳。AI充斥着我们的日常生活，从Google搜索到Uber、Lyft打车、再到航班定价、以及Alexa和Siri等众多应用中都有它的身影。

随着近年来AI的使用率越来越高，我们需要更加清楚地了解现在有哪些可供选择的人工智能工具、库、平台，以及它们提供了哪些功能，有哪些缺点，哪个最适合你。

机器学习技术不仅给互联网带来了源源不断的收入（互联网广告），甚至也在改善每一位用户的日常电商购物、交通出行、旅游等方方面面的体验。那如何在已有的系统或者业务中落地机器学习相关实践呢

图像分类的传统方法是特征描述及检测，这类传统方法可能对于一些简单的图像分类是有效的，但由于实际情况非常复杂，传统的分类方法不堪重负。