本文简要介绍了10款Quora上网友推荐的人工智能和机器学习领域方面的开源项目。

对于希望在应用中整合深度学习功能的开发者来说，GitHub上其实还有很多不错的开源项目值得关注

这是一篇很难写的文章，因为我希望这篇文章能对学习者有所启发。我在空白页前坐下，并且问自己了一个很难的问题：什么样的库、课程、论文和书籍对于机器学习的初学者来说是最好的。

人工智能正在成为新一代技术变革的基础技术，但从头开始为自己的应用和业务开发人工智能程序既成本高昂，且往往很难达到自己想要的性能表现，但好在我们有大量现成可用的API可以使用。

借着人工智能的热潮,各种机器学习项目也迎来了一个爆发期。其中有一些因为背后的巨头支持或者稳定可靠的性能而广为人知

用户可以容易地使用MLbase这个工具来处理自己的数据。大部分的机器学习算法都包含训练以及预测两个部分，训练出模型，然后对未知样本进行预测。Spark中的机器学习包也是如此。

机器学习的热度如此高，大家也许会需要查找相关资源进行学习和研究。本文整理了一份优秀的开源的有关机器学习的框架、平台、系统、库和工具包的列表。

机器学习正在不断加的加快前进的步伐，也是时候来探讨这个问题了。人工智能真的能在未来对抗网络攻击，自主地保护我们的系统吗？

本文旨在提供一份清晰、简洁的深度学习实践说明,以便从事深度学习研究与工程技术人员能够快速掌握深度学习的实际经验。

如果你有兴趣使用机器学习和神经网络,你从来没有像现在这样多的选择。机器学习框架和深度学习框架之间有区别。本质上,机器学习框架涵盖用于分类,回归,聚类,异常检测和数据准备的各种学习方法