需要的选题有： 人工智能是如何实现的 机器学习（要么写的很深入，要么用图解容易学，要么写案例） 深度学习 自然语言处理 算法（入门算法图解，或者好玩的算法） TensorFlow 2.0 计算机视觉 神经网络 Caffe Torch keras 推荐系统 信息流 OpenCV 等等 欢迎投稿！！！ 有兴趣写书出版的朋友私聊！！ vx：702697037 (写书题材人工智能、数据库、大数据处理、编程语言、开发大全，创业、运营、财会、投资理财、科普等等）

我们已经进入一个崭新的智能机器时代，在未来几年内，人工智能和机器人给世界带来的影响将远远超过个人计算机和互联网在过去的30年间已经对世界造成的改变。是谦逊地生存，还是傲慢地死去？智能机器将成为我们的奴隶，伙伴还是主人？

机器学习，数据挖掘，深度学习，自然语言处理交流。欢迎大家投稿。

现实世界中的各种现象几乎都包含空间、时间和属性三个基本特征。在机器学习、大数据分析、物联网和智慧城市的不断驱动下，时空数据来源和分析手段不断丰富。欢迎投稿关注Python与空间数据（遥感，GIS，Lidar等），时间数据（传感器监测，金融时间序列）及社交网络时空数据分析等等相关内容。

我以官方文档为主线，开始对TensorFlow的学习。这期间会把我的理解进行持续的输出，作为《TensorFlow从0到N》系列。 它不会止于翻译和笔记，不会停留在语言和工具，而是坚持通过启发性的方式，循序渐进的构建理解，搭建一个坚实可靠的、连接“零基础”与“人工智能（AI）/机器学习（Machine Learning）/深度学习（Deep Learning）”领域之间的缓坡道。

机器学习、深度学习资料整理，实战经验总结：https://github.com/jacksu/machine-learning

生信技能树：https://vip.biotrainee.com/ Openbiox： https://community.openbiox.org/ 公众号：优雅R 生物数据分析QA，技术文档与博客，需要你的参与。 ……………………………… 欢迎在简书创作和做笔记的生信学习者、爱好者以及相关编程人员加入本专题，贡献你的文字，无论是原创还是笔记，我们需要你，将本专题打造为生信知识宝库、交流平台。 内容可以是对生物信息学与算法知识相关资源的收集、整理，以及原创笔记： * R * Python * Perl * Linux 工具与编程 * 绘图 * 统计 * 计算生物学 * 各类算法 * 机器学习

该专题是机器学习、推荐系统和自然语言处理、深度学习相关算法学习记录，用通俗的语言去理解算法，去朴实的文字记录每次前行，每个算法力争说清缘由，且尝试实现或者使用开源库进行。机器学习忍者在路上……

欢迎加入人工智能领域！

诚招管理员！联系我~ 本专题专注于大数据技术，包括但不限于：分布式系统，hadoop，spark，storm，mesos，hbase，zookeeper。。。 Tips:如果是自己学习这些技术，通过社区学习是一个不错的方式。 JIRA:https://issues.apache.org/jira/browse/SPARK/?selectedTab=com.atlassian.jira.jira-projects-plugin:summary-panel

机器学习与计算机视觉

分享深度学习、机器学习、计算机视觉、模式识别、资源语言处理、推荐系统等领域的一些技术

机器学习(Machine Learning，ML)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。数据挖掘是从海量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。数据挖掘中用到了大量的机器学习界提供的数据分析技术和数据库界提供的数据管理技术，机器学习是数据挖掘的一个重要的工具。机器学习交流群：613944735

专注机器学习和数据分析，Python、R、Ruby、MATLAB、Mathematica。

本专题招募管理员，有意向请简信私聊，谢谢！ 用来分享机器学习，深度学习，神经网络，计算机视觉等领域的一些技术。 Machine Learning 学习资料：http://www.jianshu.com/p/e0238db24973 相关参考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 课程整理：http://www.jianshu.com/p/182baeb82c71 3. [深度学习与神经网络(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步链接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.jianshu.com/p/6752a8845d01 8. [知乎“机器学习”专栏]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.jianshu.com/p/fe428f0b32c1 …… 希望大家可以相互交流，相互学习！

机器学习算法关注机器学习，人工智能，数据挖掘，计算机视觉等相关领域的文章