点击有惊喜

AI正在迅速改变世界，对于程序员来说，这绝对是一个千载难逢的转型机会。机器学习是计算机科学的一个子领域，在人工智能领域，机器学习逐渐发展成模式识别和计算科学理论的研究。从2016年起，机器学习到达了不合理的火热巅峰。但是，有效的机器学习是困难的，因为机器学习本身就是一个交叉学科，没有科学的方法及一定的积累很难入门。

开头先奉上云栖社区翻译小组的年中总结！

请收下这份关于人工智能的根目录——博客整理系列（一）

关于数据科学的那些事——博客整理系列（二）

机器学习必备手册——博客整理系列（三）

扩展眼界的都在这——博客整理系列（四）

深度学习必备手册（上）——博客整理系列（五）

深度学习必备手册（下）——博客整理系列（六）

一．机器学习篇：
1. 机器学习算法选用指南

摘要：本文对机器学习的一些基本概念给出了简要的介绍，并对不同任务中使用不同类型的机器学习算法给出一点建议。

2. 支持向量机分类实战

摘要：对于机器学习者来说，SVM是非常重要的监督式学习模型之一，本文通过几个小例子，通俗的介绍了SVM的基本思想和关键信息，值得尝试。（文中源码）

3. 秒懂！看机器学习如何净化处理文本

摘要：通过本教程，你可以学到如何开发简单的文本净化工具，如何使用NLTK库中更复杂的方法，以及在使用现代文字表示方法时如何处理文本。

4. Raúl Garreta大神教你5步搭建机器学习文本分类器：MonkeyLearn

摘要：Raúl Garreta，《Learning scikit-learn: Machine Learning in Python》一书作者，手把手教你5步搭建机器学习文本分类器：1.定义类别树;2.数据收集;3.数据标记;4.训练分类器;5.测试&提升分类器。

5. 机器学习时代的到来，企业该如何驾驭

摘要：随着机器学习受到的关注和应用越来越多，作为一个想成为机器学习的公司，该如何做呢？本文从不同的方面详细介绍了一个机器学习公司应当做哪些准备。

6. 机器学习初学者必须知道的十大算法

摘要：还在为不知道学什么算法入门机器学习感到头疼？本文作者通过自身的学习向初学者介绍十大机器学习（ML）算法，并附有数字和实例以便于理解。

7. 机器学习小白如何成长为业内专家？

摘要：作者用了十八个月的时间从一个机器学习小白成长为业内专家，总结了一套属于自己的机器学习入门方法。

8. 7步掌握Python机器学习

摘要：如今，网络上的Python机器学习资源纷繁复杂，使得刚入门的小白们眼花缭乱。究竟从哪里开始？如何进行？读完这篇文章，相信你就会有自己的答案。

9. 机器学习必知的15大框架

摘要：不管你是一个研究人员，还是开发者，亦或是管理者，想要使用机器学习，需要使用正确的工具来实现。本文介绍了当前最流行15个机器学习框架。

10. 机器学习案例 — 闻声识鸟

摘要：TensorFlow是一个开源的机器学习库—对任何人都是开放的。公司、非营利性组织、研究人员和开发人员已经在一些领域使用了TensorFlow。

11. 机器学习基础：分类vs回归

摘要：在机器学习中我们也许会对分类和回归两个算法有所混淆或者困惑，看完本文相信会有所收获。

12. 业内最流行机器学习在线课程汇总

摘要：机器学习界最流行的在线课程，技术进阶必备！

13. 2017年十大最受欢迎机器学习Python库

摘要：Python已经成为机器学习时代的最受欢迎的语言，业内大牛正在使用什么Python库呢？今天我们就来盘点一下2017年十大最受欢迎的机器学习Python库。

14.探秘机器是如何“长大成人”（含视频）

摘要：机器是如何“长大成人”的呢？让我们一起来探索……

15. 为什么机器学习难于应用

摘要：本文主要讲述了如何管理机器学习应用方面的棘手问题。

16. Web开发工程师转型机器学习的实战经验

摘要：历经两个月对深度学习和计算机视觉领域进行探索，获得一些经验与总结。

17. 机器学习2017年重大进展汇总

摘要：2017年注定是机器学习快速发展的一年，特别是机器学习商业化的成功是的更多的人积极的投入到机器学习的学习当中。机器学习一定会成为未来的技术，让我们看看这项未来的技术现在发展到何种程度。

18. 机器学习必知的八大神经网络架构

摘要：机器学习八大神经网络架构的分类和历史发展。

19. 2017年机器学习开源项目TOP30

摘要：本文比较了2017年发布的8800多个开源的机器学习项目，通过考量受欢迎程度、参与度和新近度来等指标来评估这些参选项目，并选出前30名。

20. 机器学习与Docker容器

摘要：机器学习和Docker容器是如何相互配合出色完成任务的？我们将使用Tenserflow和Kontena来详细阐述。

21. 机器学习新手必学十大算法指南

摘要：本文为机器学习新手介绍了十种必备算法：线性回归、逻辑回归、线性判别分析、分类和回归树、朴素贝叶斯、K-近邻算法、学习向量量化、支持向量机、Bagging和随机森林、Boosting和AdaBoost。

22. 机器学习？人工智能？傻傻分不清楚？

摘要：机器学习就是人工智能？别在这样认为了，太傻了！看完本文，搞清楚它们之间的关系吧。

23. 数据科学、机器学习和AI的区别

摘要：本文详细讲解了数据科学、机器学习和AI的相同点与区别，并用实例进行说明。

24. 从超级玛丽说起，谈谈如何为机器赋予好奇心

摘要：如何让机器付有好奇心？加州大学伯克利分校研究团队给出了答案。

25. 盘点·GitHub最著名的20个Python机器学习项目

摘要：开源是技术创新和快速发展的核心。这篇文章向你展示Python机器学习开源项目以及在分析过程中发现的非常有趣的见解和趋势。

26. 脉冲神经网络——下一代机器学习？

摘要：脉冲神经网络是什么？本位对脉冲神经网络做了简要叙述。

27. 迁移学习——机器学习的下一个前沿阵地

摘要：深度学习作为机器学习的重要领域，在过去的几年时间里面发挥了巨大的作用。但是随着机器学习在不同领域的深入应用，迁移学习正在成为不可忽视的力量。

28. 从头了解Gradient Boosting算法

摘要：Gradient Boosting算法是机器学习中较为重要的算法，通过本文你能有清晰地了解和掌握

29. 迁移学习简述

摘要：什么是迁移学习，迁移学习的例子有哪些，在预测建模中如何使用迁移学习？本文将带你一步步深入探讨。

学习完机器学习，为什么不顺带了解一下AI，看看机器学习到底在创造一个什么样的“怪兽”！

二．人工智能扩展篇：

1. 是什么让 AI 时代真正到来

摘要：AI 已经在众多领域带来了革新，取代了众多人类的工作，改变未来学生必须具备的技能——这都是怎么发生的？

2. 不知道这些AI知识，可能你就out了！

摘要：为什么人工智能，机器学习突然之间成了热门话题，变成IT领域，甚至其他领域的人们都在讨论的热点？也许文章的作者会给你一点这方面的思考。

3. 从神经科学到计算机视觉：人类与计算机视觉五十年回顾

摘要：本文简单的介绍了神经网络近50年的发展历程，从1968年的Hubel和Wiesel开展的猫实验，一直到李飞飞教授等人的成果。从本质上讲解了人工神经网络的原理及学习过程，对于想了解神经网络起源及发展历程的读者而言，是一篇较为合适的文章。

点击有惊喜