从1956年的达特矛斯会议提出“人工智能”的概念，到AlphaGo击败围棋世界冠军，人工智能的发展不过仅仅半个世纪的时间，期间都曾因遇到瓶颈而停滞不前。而如今，人工智能已经跨过了元年，计算平台、海量数据以及机器学习等技术的助推力，把人工智能的发展推到了一个前所未有的速度等级。而数据是医学人工智能的能源，如果没有数据能源就像即使发明了汽车但没有汽油一样，是没办法跑动的。IDC曾预测，到2020年，全

机器学习和深度学习的研究进展正深刻变革着人类的技术，本文列出了自 2014 年以来这两个领域发表的最重要（被引用次数最多）的 20 篇科学论文，以飨读者。机器学习，尤其是其子领域深度学习，在近些年来取得了许多惊人的进展。重要的研究论文可能带来使全球数十亿人受益的技术突破。这一领域的研究目前发展非常快，为了帮助你了解进展状况，我们列出了自 2014 年以来

1、机器学习在工程项目中的应用实践经验谈目前，人工智能、机器学习在很多人眼中是数据科学家们的专属武器，能够应用和掌握他们的数据科学家们都有着极其深厚的数学理论功底。那些想要学习和实践人工智能的工程师们，往往要么是在打开相关书籍的时被映入眼帘的数学公式吓倒，要么就是学习了很多机器学习的理论及算法但面对实际项目却手足无措。近年来蔡超带领亚马逊工程团队应用机器学习、深度学习技

第一部分 基础语言pandax视频教程链接: https://pan.baidu.com/s/1pLqavVX密码: fathpython入门到精通链接: https://pan.baidu.com/s/1mhVNIkC 密码: cvp3第二部分 数据篇链接: https://pan.baidu

原文作者：Plotly,Chris Pamer     原文链接：https://link.jianshu.com/?t=https%3A%2F%2Fmedium.com%2F%40plotlygraphs%2Fintroducing-dash-5ecf7191b503译者序：原文于2017年6月21日发布，时过半载，将这篇既不是教程，也不是新闻的产品发布稿做了一番翻译，为何？只因去年下半年的时候

从1956年的达特矛斯会议提出“人工智能”的概念，到AlphaGo击败围棋世界冠军，人工智能的发展不过仅仅半个世纪的时间，期间都曾因遇到瓶颈而停滞不前。而如今，人工智能已经跨过了元年，计算平台、海量数据以及机器学习等技术的助推力，把人工智能的发展推到了一个前所未有的速度等级。而数据是医学人工智能的能源，如果没有数据能源就像即使发明了汽车但没有汽油一样，是没办法跑动的。IDC曾预测，到2020年，全

大学公开数据集(Stanford)69G大规模无人机(校园)图像数据集【Stanford】http://cvgl.stanford.edu/projects/uav_data/人脸素描数据集【CUHK】http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html自然语言推理(文本蕴含标记)数据集【NYU】https://www.nyu.edu/projec

如果在这个人工智能的时代，作为一个有理想抱负的程序员，或者学生、爱好者，不懂深度学习这个超热的话题，似乎已经跟时代脱节了。但是，深度学习对数学的要求，包括微积分、线性代数和概率论与数理统计等，让大部分的有理想抱负青年踟蹰前行。那么问题来了，理解深度学习，到底需不需要这些知识？关于深度学习，网上的资料很多，不过大部分都不太适合初学者。杨老师总结了几个原因：深度学习确实需要一定的数学基础。如果不用深入

这是一篇很长长长长长长长长长长长长长长长长长长长长长长长的干货，看到最后的都是沉迷知识不能自拔的学习劳模认证，没错了。在今天的IT行业佼佼者中，“现代数据中心”这个概念得到了越来越多的重视。当然，它受到如此多的关注也是理所应当的。云计算，闪存存储，软件网络，容器以及大量的编排和自动化工具相结合形成现代数据中心的基础，这已经成为了数字时代企业的发展需求。不过也许最重要的概念应该是数据中心并不一定是一

2006年，谷歌CEO埃里克在搜索引擎大会首次提出“云计算”的概念，直到近两年才被亚马逊、阿里、微软等公司大规模商业化。此时的物联网，概念已经诞生13年。随着产业多年发展，也即将迎来爆发期。无需用“千亿”、“万亿”描述它的光明未来，巨头争相布局业已证明。数据源于假设，事实胜于雄辩。01 巨头入局，行胜于言早前，硅谷投资公司FirstMark发布了2016年物联网产业分布图，从这张图中，我们除了看到