【导读】如今 ICML（International Conference on Machine Learning，国际机器学习大会）已经成为有巨大影响力的会议，每年都会为我们带来很多关于机器学习趋势与发展方向等有意义的分享。今年的 ICML 有三个讨论会都重点讨论了迁移学习和多任务学习。本文的作者（Isaac Godfried）也是对这两个领域的研究内容非常感兴趣，接下来 AI科技大本营将把 ..

深度学习应用案例深度学习擅长识别非结构化数据中的模式，而大多数人熟知的图像、声音、视频、文本等媒体均属于此类数据。 下表列出了我们已知的应用类型及与之相关的行业。应用类型行业声音 语音识别UX/UI、汽车、安保、物联网语音搜索手机制造、电信情感分析客户关系管理（CRM）探伤检测（引擎噪音）

0. 前言本文翻译自博客：iamtrask.github.io ，这次翻译已经获得trask本人的同意与支持，在此特别感谢trask。本文属于作者一边学习一边翻译的作品，所以在用词、理论方面难免会出现很多错误，假如您发现错误或者不合适的地方，可以给我留言，谢谢！1. 概要我的最佳学习法就是通过玩具代码，一边调试一边学习理论。这篇博客通过一个非常简单的python玩具代码来讲解递归

如何将当前的ubuntu系统制作成iso镜像文件

这个问题可以回答得很简单：是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习。但根据知乎惯例，答案还是要继续扩展的。首先看什么是学习（learning）？一个成语就可概括：举一反三。此处以高考为例，高考的题目在上考场前我们未必做过，但在高中三年我们做过很多很多题目，懂解题方法，因此考场上面对陌生问题也可以算

【导读】如今 ICML（International Conference on Machine Learning，国际机器学习大会）已经成为有巨大影响力的会议，每年都会为我们带来很多关于机器学习趋势与发展方向等有意义的分享。今年的 ICML 有三个讨论会都重点讨论了迁移学习和多任务学习。本文的作者（Isaac Godfried）也是对这两个领域的研究内容非常感兴趣，接下来 AI科技大本营将把 ..

深度学习应用案例深度学习擅长识别非结构化数据中的模式，而大多数人熟知的图像、声音、视频、文本等媒体均属于此类数据。 下表列出了我们已知的应用类型及与之相关的行业。应用类型行业声音 语音识别UX/UI、汽车、安保、物联网语音搜索手机制造、电信情感分析客户关系管理（CRM）探伤检测（引擎噪音）

知识蒸馏，teacher—student模型的思考这个方向的学术源头是Rich Caruana2014年的作品《Do Deep Nets Really Need to be Deep?》，后来经过Hinton的《Distilling the Knowledge in a Neural Network》发扬光大。实用价值：可以对大型神经网络进行瘦身以便部署到用户端；理论价值：引发对深度网络的思考：.

Tensorflow1.0正式发布，谷歌首届Tensorflow开发者大会在山景召开，深度学习迎来新的高潮和狂欢。随着深度学习框架的普及和推广，会有越来越多人加入到这场盛宴中来，就像Android技术的普及使得开发人员迅速扩大。在这里給大家带来一套小白入门深度学习的基础教程，使用得是Keras，一个高级神经网络库，同时也是Tensorflow1.0引进的一个高层API。

机器学习系统迈向人工智能的道路上，我们需要学习，泛化，避免维度灾难的方法，以及解决潜在解释因素的能力。本文从分布式表示、深度架构和易避免鞍点的理论驱动力三个方面对深度学习展开讨论。