与其他领域相比，机器学习/人工智能现在似乎有更高频率的超级有趣的发展。
机器学习
从基于规则到深度学习，NLP 技术进阶三部曲
我们将快速介绍NLP中的3种主要技术方法，以及我们如何使用它们来构建出色的机器！
机器学习领域，史上引用次数最多的论文 Top 10
近40年来机器学习领域产生了数以万计的论文，并以每年上万篇的速度增长。但真正能够称为经典、经受住历史检验、能投入实际应用的并不多。本文整理了机器学习历史上出现的经典论文，按照被引用次数对它们进行了排序，分为top10，被引用次数超过2万，被引用次数超过1万，未来有潜力的文章4部分。
不夸大、不炒作：透过机器学习实例看清AI本质
我们一起来看看AI和机器学习对当今的技术发挥着怎样的影响，因为当AI真的彻底改变了世界之后，再来了解这些影响可能就太晚了。
BAT专家解读：如何选出最合适的深度学习框架？
随着深度学习关注度和势头上升，深度学习被越来越多的企业和组织的生产实践结合起来。这时，无论是对于深度学习相关专业的初学者，还是已经在企业和组织中从事工业场景应用和研发的开发者来说，选择一个适合自己，适合业务场景需求的深度学习框架显得尤为重要。
深度长文：中文分词的十年回顾
本文回顾了中文分词在2007-2017十年间的技术进展，尤其是自深度学习渗透到自然语言处理以来的主要工作。我们的基本结论是，中文分词的监督机器学习方法在从非神经网络方法到神经网络方法的迁移中尚未展示出明显的技术优势。中文分词的机器学习模型的构建，依然需要平衡考虑已知词和未登录词的识别问题。
2018年10大机器学习开源项目
本期将为大家推荐 10 个机器学习开源项目，统计了过去一个月中 250 个机器学习开源项目，并从中选取了本期的 Top10。平均 1483 Stars。
「实操讲解」机器学习获取数据难？别忘记特征工程
为了让机器学习模型能够更轻松地读取数据，我们可以运用特征工程来提升模型的性能。