與其他領域相比，機器學習/人工智能現在似乎有更高頻率的超級有趣的發展。
機器學習
從基於規則到深度學習，NLP 技術進階三部曲
我們將快速介紹NLP中的3種主要技術方法，以及我們如何使用它們來構建出色的機器！
機器學習領域，史上引用次數最多的論文 Top 10
近40年來機器學習領域產生了數以萬計的論文，並以每年上萬篇的速度增長。但真正能夠稱為經典、經受住歷史檢驗、能投入實際應用的並不多。本文整理了機器學習歷史上出現的經典論文，按照被引用次數對它們進行了排序，分為top10，被引用次數超過2萬，被引用次數超過1萬，未來有潛力的文章4部分。
不誇大、不炒作：透過機器學習實例看清AI本質
我們一起來看看AI和機器學習對當今的技術發揮着怎樣的影響，因為當AI真的徹底改變了世界之後，再來了解這些影響可能就太晚了。
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。
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。
2018年10大機器學習開源項目
本期將為大家推薦 10 個機器學習開源項目，統計了過去一個月中 250 個機器學習開源項目，並從中選取了本期的 Top10。平均 1483 Stars。
「實操講解」機器學習獲取數據難？別忘記特徵工程
為了讓機器學習模型能夠更輕鬆地讀取數據，我們可以運用特徵工程來提升模型的性能。