机器学习

深度学习是一门经验科学，许多基础设施的质量也在倍增。幸运的是，现在的开源生态系统可以使任何人建立不错的深度学习基础设施。

在这篇文章中，我们将讲述深度学习研究通常如何进行，介绍可选的对应基础设施以及开源的kubernetes-ec2-autoscaler，用于Kubernetes的批次优化扩展管理。希望这篇文章对你构建自己的深度学习基础设施有所帮助。

用例
深度学习典型的进步是从一个想法开始的，你在一个小问题上进行测试。在这个阶段，你想要快速的进行许多临时实验。理想情况下，你可以通过SSH连上一台机器，然后运行脚本，并在一小时以内得到结果。
要使模型真正工作，通常需要预见所有可能出错的情况，并且设法解决这些限制。（这类似于构建新的软件系统，你多次运行代码来了解它的运行情况。）

视频
你需要从多个角度来考察你的模型，以了解它们的实际学习情况。上面这个来自于Dario Amodei的强化学习Agent（控制右边的球拍）取得了高比分，但当你看着它玩时，你会发现它只是呆在一个地方。因此，深度学习基础设施必须能够让用户灵活观察模型，仅仅给出汇总统计是不够的。

挖掘大规模图数据能增强现有商业业务，甚至产生新的商业模式。然而，这些图数据的规模让图数据挖掘本身成为难题，这些突出的挑战都指向了发展具有高可扩展能力的大规模图计算处理的有效工具。本文先展开叙述图计算技术的几个核心层面，进而介绍华为诺亚方舟实验室的VENUS图计算系统，最后对图计算发展的趋势作简要展望。

背景

作者：Scott Robinson ；译者：刘帝伟

引言

毫无疑问，神经网络和机器学习在过去几年一直是高科技领域最热门的话题之一。这一点很容易看出，因为它们解决了很多真正有趣的用例，如语音识别、图像识别、甚至是乐曲谱写。因此，在这篇文章，我决定编制一份囊括一些很好的Python机器学习库的清单，并将其张贴在下面。

在我看来，Python是学习(和实现)机器学习技术最好的语言之一，其原因主要有以下几点：

语言简单：如今，Python成为新手程序员首选语言的主要原因是它拥有简单的语法和庞大的社区。

功能强大：语法简单并不意味着它功能薄弱。Python同样也是数据科学家和Web程序员最受欢迎的语言之一。Python社区所创建的库可以让你做任何你想做的事，包括机器学习。

丰富的ML库：目前有大量面向Python的机器学习库。你可以根据你的使用情况、技术和需求从数百个库中选择最合适的一个。

据外媒报道，虽然机器学习技术是时下最火热的创新话题，但它依然带来了许多麻烦和隐忧。其中最为明显的就是这项技术可能正在侵犯我们每个人的隐私。

据美国连线杂志网站报道，得益于谷歌、亚马逊和Facebook这些硅谷巨头躬身力行的大力宣传，人工智能（AI）和机器学习前所未有地为大众所熟知。在一般人的概念里，这两个时髦的词似乎可以换用，指的都是能够代替人类工作的先进生产力。

不过，虽然 AI 和机器学习有着千丝万缕的联系，但两者并非同一回事。

AI 是计算机科学的一个分支，意如其名（Artificial Intelligence）——旨在通过人工的方式建造具有智能的机器。而斯坦福大学给“机器学习”下的定义为：使电脑在人工编程之外自主运作的能力。两者相互联系不可分割，你需要 AI 专家来打造智能机器，而若要实现真正意义上的智能，机器学习专家的参与不可或缺。

谷歌和英伟达都在探索机器学习的道路上兢业前行。他们的愿景是让机器最终能够像人类一样自我学习和思考，这被认为是下一波科技革命的关键。

大众对机器学习的成果并不陌生。在过去的几十年里，机器学习相继催生了“自动驾驶汽车”、“精准语音识别”和智能网络搜索等造福众生的成果。甚至还帮助人类破解基因密码。不过，在这一系列不可思议的成果之下，机器学习是怎么运作的呢？

要搞清它们的关系，最直观的表述方式就是同心圆，最先出现的是理念，然后是机器学习，当机器学习繁荣之后就出现了深度学习。

AI（人工智能）是未来，是科幻小说，是我们日常生活的一部分。所有论断都是正确的，只是要看你所谈到的AI到底是什么。

例如，当AlphaGo程序打败韩国职业围棋高手Lee Se-dol，媒体在描述AlphaGo的胜利时用到了AI、机器学习、深度学习等术语。AlphaGo之所以打败Lee Se-dol，这三项技术都立下了汗马功劳，但它们并不是一回事。

简介

谷歌的无人驾驶汽车已经受到了世人很大的关注，但公司的未来却是在机器学习领域，因为这项技术将使电脑更智能，更人性化。——埃里克·施密特（谷歌主席）

我们可能正经历着人类最明确定义的阶段，这个阶段计算机计算从大型主机，到个人电脑，到云计算。但这些并不是根本原因，而是接下来几年中将会发生的。

这个时期使那些像我一样的人们兴奋的是工具和技术的开放，这得以于计算机领域的蓬勃发展。今天，作为一名数据科学家，我能以很低的成本搭建一个拥有复杂算法的数据处理系统。但是达到这样的结果，我也经历了在黑夜中艰苦的探索。

这个指导的目标受益人群

找一个靠谱的项目，喷一圈的投资人，拿到天使、A轮…；然后把公司搭起来，再做上市，或者卖给有眼光、有money的巨头们。这可能是乘着国家的“众创”政策春风，赚钱最快的一种合法手段。然而，国际经济环境的低迷让中国的大天使们也变得谨慎起来。在前两年的一阵烧钱风吹过以后，有的创业公司屹立不倒，有的挣扎在生死之间，有的已经彻底蒸发掉了。

【Xeon Phi 来了】拓展超算应用领域，智悉数据之路！

昨天，英特尔公司在北京召开主题为“至强芯融合智悉数据之路”的英特尔至强融核应用创新论坛，携手10余家生态系统合作伙伴以及来自科研探索和机器学习领域的最终用户，通过联合分享基于全新一代英特尔至强融核处理器的高性能计算平台的优秀解决方案和应用实例，向业界展示英特尔在高性能计算领域领先的技术优势和应用价值，证明了其与合作伙伴紧密协作加速中国本地高性能计算以及机器学习等领域创新进程的重要作用。

<center><img src="http://intel.eetrend.com/files/2016-07/wen_zhang_/100002065-6212-1.jpg&…; alt=""></center>
<center>英特尔至强融核应用创新论坛活动现场</center>

机器学习、超级电脑和游戏领域的 GPU 研发曾在 2009年被 Intel 放弃过，现在他们带着这款 72 核的新产品 Xeon Phi 重返这个领域，与 NVIDIA 系列的 GPU 做竞争。

Xeon Phi 是上周在德国法兰克福举办的超级计算机会议上公布的，是目前 Intel 性能最强而且价格最高的芯片，对标的就是 NVIDIA 已经深耕很久的机器学习和超级计算机领域。

订阅机器学习

机器学习

如何构建自己的深度学习基础设施

深度 | 图计算系统进展和展望

这份清单请收藏，最好的Python机器学习库，get！

被“黑化”后的机器学习，你害怕吗？

机器学习和人工智能说的是一回事吗？

AI、机器学习和深度学习的区别到底是什么？

机器学习算法基础（Python和R语言实现）

如何把创业公司卖个好价钱硅谷巨头告诉你绝招！

英特尔发布了一个72核的CPU，你猜它用来干啥的？！

Intel发力机器学习领域，会持续投入与NVIDIA竞争