机器学习

本文列出了当今最常用的 NLP 库，并对其进行简要说明。

本文介绍目前常见的几种可以提高机器学习模型的可解释性的技术，包括它们的相对优点和缺点。

Excelero公司首席技术官Sven Breuner和首席架构师Kirill Shoikhet分享了9个为人工智能、机器学习和深度学习准备数据中心的最佳实践。

为了深入了解创建人工智能和机器学习模型所需的技能集，需要了解模型创建过程，这是由机器学习软件逐步学习完成的，以及生成符合预定义成功标准的模型所面临的挑战。

几位机器学习权威专家汇总的725个机器学习术语表，非常全面了，值得收藏！

有偏见的人工智能算法的概念不应该令人惊讶，因为人工智能系统的全部意义就是复制人类的决策模式。为了构建一个功能性的人工智能系统，开发人员用大量解决特定问题的真实例子进行训练。

2019年，欧盟出台的《人工智能道德准则》中明确提出，人工智能的发展方向应该是“可信赖的”，能够包含安全、隐私和透明、可解释等多个方面。但随着人工智能技术不断普及，由此产生的风险也浮出水面，主要体现在两大方面：1、信任危机，即能否信任和依赖人工智能算法输出的结果。2、道德危机，Deepfake技术的出现在带来新鲜感的同时，也引发了人们对于深度学习和人工智能技术滥用的担忧。

二进制可视化和机器学习的结合在网络安全方面已经展示了巨大潜力，恶意软件和钓鱼网站检测就是其中的热点领域，本文我们将介绍该领域的两大创新应用进展。