当我进行以数据科学家进行自我介绍时，经常会被问道：“数据科学和机器学习有什么区别?”或者“这是不是意味着你在研究人工智能?”所以我将通过本文进行回答。

由于难以理解，深度学习经常被称为黑箱。有鉴于此，Neosapience 开发了开源工具包 Darkon，它可以更好地理解深度学习模型，进而调试故障，解释决策等等。目前 Darkon 适用于所有 Tensorflow 模型。

当我进行以数据科学家进行自我介绍时，经常会被问道：“数据科学和机器学习有什么区别?”或者“这是不是意味着你在研究人工智能?”所以我将通过本文进行回答。

翻译 | AI科技大本营
参与 | 林椿眄
准备好开始AI了吗?可能你已经开始了在机器学习领域的实践学习，但是依然想要扩展你的知识并进一步了解那些你听过却没有时间了解的话题。
这些机器学习的专业术语能够简要地介绍最重要的机器学习概念—包括商业界和科技界都感兴趣的话题。在你遇到一位AI指导者之前，这是一份不详尽，但清楚易懂又方便在工作、面试前...

雷锋网(公众号：雷锋网)AI科技评论按：随着强化学习在机器人和游戏 AI 等领域的成功，该方法也引起了越来越多的关注。在近期雷锋网GAIR大讲堂上，来自清华大学计算机系的博士生冯珺，为大家介绍了如何利用强化学习技术，更好地解决自然语言处理中的两个经典任务：关系抽取和文本分类。 本文根据视频直播分享整理而成，内容若有疏漏，以原视频嘉宾所讲为准。

在过去的几个月中，我一直在收集自然语言处理（NLP）以及如何将NLP和深度学习（Deep Learning）应用到聊天机器人（Chatbots）方面的最好的资料。

如果我不得不一句话总结2017年，那将是框架的一年。Facebook使用PyTorch做了一个大飞溅。由于类似于其动态图构建Chainer提供，PyTorch得到很多的爱从研究人员在自然语言处理，谁经常要处理动态和周期性的结构是很难在诸如Tensorflow静态图形框架申报。

　深度学习在2017年取得的那些不可思议的突破，将在2018年全面爆发。去年大量研究工作将转移到日常的软件应用中。

多家技术公司针对金融行业人脸认证这一需求持续改进算法，随着PK的不断升级，人脸认证图像相对可控下的人脸识别性能不断被刷新，固定识别通过率为90%，识别误匹配率指标被降低了好几个数量级，此为深度学习技术在人脸识别领域的“硕果初尝”。

文本分类是自然语言处理的一个基本任务，试图推断出给定的文本（句子、文档等）的标签或标签集合。

360安全实验室（肖奇学 、Deyue Zhang）、佐治亚大学（李康）和弗吉尼亚大学（Weilin Xu）的研究者，他们在论文《Security Risks in Deep Learning Implementations》中，对三个主流的深度学习框架的实现中存在的安全威胁进行了检查和分析，分别是Caffe, TensorFlow, and Torch。

 2017年即将擦肩而过，Kloud Strife在其博客上盘点了今年最值得关注的有关深度学习的论文，包括架构/模型、生成模型、强化学习、SGD & 优化及理论等各个方面，有些论文名扬四海，有些论文则非常低调。

自从去年 AlphaGo 完虐李世乭，深度学习火了。但似乎没人说得清它的原理，只是把它当作一个黑箱来使。有人说，深度学习就是一个非线性分类器？有人说，深度学习是对人脑的模拟[2]……但我觉得都没有捅透那层窗户纸。

　我们的大脑，像一块复杂度极高的CPU，每天在接收着各种格式的数据，进行着无休止的计算，我们以各种感官接触着这个世界，抽取着不同感官下的信息，从而认知了世界。

偶然在github上看到Awesome Deep Learning项目，故分享一下。其中涉及深度学习的免费在线书籍、课程、视频及讲义、论文、教程、网站、数据集、框架和其他资源，包罗万象，非常值得学习。