人工智能

要做机器学习项目，第一重要的就是数据

要处理14维空间中的超平面，想象一个三维空间，大声对自己说“14”。每个人都这么做。

选择学习率的简单方法是尝试一堆数字，然后使用看起来效果最好的那个，当训练不再能改善损失时，手动减少它。

可怕的机器学习面试。在面试之前，你会觉得自己什么都懂，但是真的开始面试了，你发现你自己什么都不懂！

在机器学习中，有一个叫做“没有免费午餐”的定理。简而言之，它指出，没有一种算法对每一个问题都是最有效的，它尤其适用于监督学习(即预测建模)。

深度学习已经成为解决许多具有挑战性的现实问题的首选方法

分类的度量

对不同的应用场景，需要不同的模型，对于不同的模型，需要不同的度量评估方式。

机器学习资源

深度学习在视觉领域取得了巨大的成功，即便如此，深度学习在视觉上仍然有很多的局限性，这篇文章从深度学习的历史开始说起，阐述了深度学习在视觉上的局限性，并给出了一些可能的方案。

黑人女性报错率比白人高20%，面部识别系统为何不能一视同仁？

理解滑动平均，指数平滑，平稳性，自相关性以及SARIMA等等。

来自github的非常有针对性的深度学习资源，和其他的资源不同，既照顾了通用性，又照顾了不同的领域，覆盖非常广，非常的全面，有论文，有代码，有书，有博客，还有课程。

聚类作为一种无监督技术，在很多的场合非常的有用，今天給大家介绍5个非常常用的聚类算法，以及各自的优缺点。

想找个数据科学家的工作吗？