机器学习工程师

公众号/将门创投策划编辑 | Natalie作者 | Nick Caldwell译者 | 阿拉丁编译 | Vincent AI 前线导读：随着机器学习技术的发展，主打易用性、无需专业知识、人人皆可用的 机器学习 工具和平台正在成为主流，谷歌、微软、Saleforce、Uber 等公司纷纷推出了相

公众号/OReillyData在本文中我分享了一些幻灯片和笔记。它们来自于我在2017年12月新加坡Strata 数据会议上发表的讲话，针对积极部署机器学习驱动产品的公司，这些资料提供了一些建议。在过去几年中，数据社区一直专注于用于数据收集的基础架构和平台，这其中包括了强大的数据管线，以及高度可扩展的、用于数据分析的存

机器学习中有很多构建产品或解决方案的方式，每种方式的假设情况都不一样。很多时候，如何找到合理的假设并不容易。机器学习初学者经常会犯一些事后觉得蠢爆了的错误。本文作者创建了一个机器学习新手工程师常犯的错误清单。希望大家可以从中学习，创建更鲁棒的解决方案。理所当然地使用默认损失函数在刚入门的时候，均方误差作为损失函数是很好

作者： 李亚洲理所当然地使用默认损失函数在刚入门的时候，均方误差作为损失函数是很好的默认选择。但是当需要处理现实问题的时候，这种未经专门设计的损失函数很少能给出最优解。拿欺诈检测为例。为了与你真正的商业目标一致，需要按照欺诈造成的损失美元金额的比例惩罚假负类。使用均方误差能给你一个还不错的结果，但不会

作者：车品觉真正让“数据科学”发挥出了强大威力的，是在人们意识到，数据不仅止于精算统计、商业智能和数据仓库的时候。将数据人和其他部门（软件开发、营销、管理、人力资源）隔离开来的筒仓被打破后，数据科学才真正彰显出了自己的独特之处。这门学科的中心思想，便是数据适用于万事万物。在任何应用中，严格属于“机器学习”的部分其实都不

　　 原创2016-11-01大数据文摘大数据文摘 　　 大数据文摘作品 转载具体要求见文末作者|Nam Vu 选文|寒小阳翻译校对|Mirra 吴蕾寒小阳◆◆ ◆这是什么 　　 作者受 Google Interview University 启发而写了这个教程

1 新智元编译 1来源：彭博译者：刘小芹 　　 【重要通知：10月18 日世界人工智能大会现场一律凭活动行二维码入场， 上午主论坛于 08:30 正式开始 ，

你是否对机器学习充满兴趣呢?其实到目前为止，每天有越来越多的工程师开始将好奇的目光转向机器学习领域。实际上，你会发现现在没有哪一个领域比机器学习能引起更多的曝光率和关注度。机器学习已经以一种高调姿态闯入广大民众的意识当中，无论是采用机器学习等相关技术的Google AlphaGo以5局4胜的战绩打败人类世界的围棋冠军，

你是否对机器学习充满兴趣呢？其实到目前为止，每天有越来越多的工程师开始将好奇的目光转向机器学习领域。实际上，你会发现现在没有哪一个领域比机器学习能引起更多的曝光率和关注度。机器学习已经以一种高调姿态闯入广大民众的意识当中，无论是采用机器学习等相关技术的Google AlphaGo以5局4胜的战绩打败人类世界的围棋冠军，