Deep Learning Indaba 2018是由DeepMind主辦的深度學習峰會，於今年9月份在南非斯泰倫博斯舉行。本文基於當時的專家採訪和專題討論寫成，主要探討NLP領域中的4個主要開放性問題。
Blog
BAT專家解讀：如何選出最合適的深度學習框架？
隨着深度學習關注度和勢頭上升，深度學習被越來越多的企業和組織的生產實踐結合起來。這時，無論是對於深度學習相關專業的初學者，還是已經在企業和組織中從事工業場景應用和研發的開發者來說，選擇一個適合自己，適合業務場景需求的深度學習框架顯得尤為重要。
【實戰】5個集成學習最常用的方法
本文將介紹最流行的集成方法，包括bagging、boosting、stacking等。
AI芯片混戰，誰能挑戰英偉達？
在過去五年中，英偉達將其數據中心業務發展成為一個價值數十億美元的巨頭，卻從未遇到過一個像樣的競爭對手。這是一個驚人的事實，在我的記憶中，這在當今的科技世界是無與倫比的。
從三大案例，看如何用 CV 模型解決非視覺問題
近幾年，深度學習已經徹底改變了計算機視覺。由於各類學習資源隨處可見，任何人都可以在數天（甚至數小時）內掌握最新技術，並將它應用到自己的領域內。隨着深度學習變得越來越普遍，一個重要的問題就是如何將它創造性地應用在不同的領域裡。
深度長文：中文分詞的十年回顧
本文回顧了中文分詞在2007-2017十年間的技術進展，尤其是自深度學習滲透到自然語言處理以來的主要工作。我們的基本結論是，中文分詞的監督機器學習方法在從非神經網絡方法到神經網絡方法的遷移中尚未展示出明顯的技術優勢。中文分詞的機器學習模型的構建，依然需要平衡考慮已知詞和未登錄詞的識別問題。
如何評估模型的好壞
如何比較我們已經構建的模型呢? 若要在模型A和模型B之間做比較，哪個是贏家，為什麼? 又或者，能否將兩個模型組合起來以實現性能的最優化？
「Python」無監督學習的4大聚類算法
無監督學習是機器學習技術中的一類，用於發現數據中的模式。本文介紹用Python進行無監督學習的幾種聚類算法，包括K-Means聚類、分層聚類、t-SNE聚類、DBSCAN聚類等。
無監督學習才不是“不要你管”
本文會講到，無監督學習到底是什麼，和機器學習的其他算法有何本質區別，用的時候有哪些難點，以及推薦閱讀的傳送門。