机器学习方法已被用于各种现实世界的应用，从社交网络、在线图像/视频分享平台、电子商务到教育、医疗等。然而，机器学习方法的几个组成部分，包括：数据表示，超参数和模型架构，可以在很大程度上影响它们在实践中的性能。此外，数据规模和模型大小的爆炸式增长，使得机器学习开发人员对这些组件进行优化的时间越来越长。为了解决这些挑战，自动化机器学习 (AutoML) 的目标是自动化应用机器学习方法的过程，以解决现实世界的应用任务，减少调整机器学习方法的时间，同时保持良好的性能。
在 2021 年 KDD 大会上， 阿里团队介绍了 AutoML 的主要研究主题，包括：超参数优化，神经结构搜索和元学习。同时，[……]
深入掌握机器学习的两大核心包括：数学推导与编码实现。机器学习原理大多都是由数学支撑，基本的机器学习数学公式推导对于深入掌握机器学习十分重要；另一方面，通过在不调用算法库的前提下，通过基础编码实现机器学习算法，深入理解算法细节，进一步提高算法实现的代码能力。其中，《机器学习》教材中，推导细节没有详述，比较难理解的公式需要加以解析，以及对部分公式补充跳过的解题步骤。包括 ——
[……]
Model Log 是一款基于 Python3 的轻量级机器学习(Machine Learning)、深度学习(Deep Learning)模型训练评估指标可视化工具，与 TensorFlow、Pytorch、PaddlePaddle结合使用，可以记录模型训练过程当中的超参数、Loss、Accuracy、Precision、F1值等，并以曲线图的形式进行展现对比，轻松三步即可实现。可以通过调节超参数的方式多次训练模型，并使用 Model Log 工具进行记录，可以很直观的进行模型对比，堪称调参神器。以下是使用工具后模型训练时 Loss 的变化曲线图。
项目 GitHub 地址[……]
今年的 ICML（International Conference on Machine Learning）大会已经改为在 2020 年 7 月 13 日至 18 日线上举行。ICML 2020 共提交 4,990 篇论文，最后接收论文 1,088 篇，接收率达 21.8%。这里给大家推荐一个一句话点评论文亮点的系统，由 Paper Digest Team 发布，总共 110 多页[……]
人类发明的机器学习（ML）算法简直数不胜数。当然，大多数时候只有一小部分被用于研究和工业。然而，对于个人来说，理解并记住所有这些 ML 模型的细节仍然有点困难。有些人可能会有一个错误的印象，认为所有这些算法都是完全不相关的。更重要的是，当两种算法似乎都有效时，如何选择使用算法 A，还是 B？这篇文章的目的是为读者提供一个不同的角度来看待 ML 算法。有了这些角度，算法可以在同样的维度上进行比较，并且可以很容易地进行分析。本文在撰写时考虑了两个主要的 ML 任务 —— 回归和分类。
在 RAM 模型 下，算法所花费的时间是由算法的基本运算来度量的。虽然用户和开发人员可能更关心算法[……]
机器学习这个主题已经很普遍了，每个人都在谈论它，但很少有人能够透彻地了解它。当前网络上的一些机器学习文章晦涩难懂，理论性太强，或者通篇云里雾里地介绍人工智能、数据科学的魔力以及未来的工作等。所以呢，本文作者，通过简洁的语言和清晰明了的图示内容，使得读者能够更容易地理解机器学习。抛却了晦涩难懂的理论介绍，文中侧重于机器学习中的实际问题、行之有效的解决方案和通俗易懂的理论。无论你是程序员还是管理者，本文都适合你。
机器学习已成为一种学习的潮流，无论是否具有计算机专业背景，是否懂得编程的人士，都开始希望或多或少掌握机器学习的核心概念与应用。跨象乘云™ 正在制作并持续更新的，基于可视编程机器学习[……]
此前，跨象乘云 发布了《Python 知识卡片：Pandas》。Pandas 是一个强大的分析结构化数据的工具集；它的使用基础是 NumPy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。学习 Pandas 最好的方法就是看 Pandas 官方教程，日前，国内学习小组发布了 Pandas 官方教程的中文版，包括：《十分钟搞定 pandas》，《Pandas 秘籍》，《学习 Pandas》。
《Pandas 中文官方教程》PDF 下载。[……]
用 NumPy 手写所有主流 ML 模型，普林斯顿博士后 David Bourgin 最近开源了一个非常剽悍的项目。超过 3 万行代码、30 多个模型，这也许能打造「最强」的机器学习基石。NumPy 作为 Python 生态中最受欢迎的科学计算包，很多读者已经非常熟悉它了。它为 Python 提供高效率的多维数组计算，并提供了一系列高等数学函数，我们可以快速搭建模型的整个计算流程。
尽管目前使用 写模型已经不是主流，但这种方式依然不失为是理解底层架构和深度学习原理的好方法。最近，来自普林斯顿的一位博士后将 NumPy 实现的所有机器学习模型全部开源，并提供了相应的论文和一些实现的测试效果[……]
如果你想了解一门既实用又简单的语言，作为你程序人生的第一步，那么，Python 无疑是最适合你的。数据科学家和人工智能从业者们尤其喜欢 Python，因为它有丰富的、易于理解的语法和广泛的开源软件。然而，目前大部分的所谓入门教程，实际上对于真正零基础的人来说还是具有很高的门槛，同时，几百页的书和动不动上百个小时的学习视频对有的人来说，无疑是劝退。
微软意识到了这一点，也充分理解大多数人对于学习的耐心，于是就开发了一门 Python 的入门课程《Python for Beginners》（国内镜像），基于原生 VS Code，每节课只有 5-10 分钟，可以被认为是真正的入门及课程了。[……]
日前，微软剑桥研究院公布了一个好消息，Christopher Bishop 所著的，最经典的机器学习教科书之一：《模式识别与机器学习》（Pattern Recognition and Machine Learning），公开了免费的 PDF 版本。这本经典的教科书全面介绍了模式识别和机器学习领域。它面向高年级本科生或一年级博士生，以及研究人员和从业人员。这是第一本机器学习教科书，全面包含该领域近期发展，包括概率图形模型和确定性推理方法，并强调现代贝叶斯。它适用于机器学习，统计学，计算机科学，信号处理，计算机视觉，数据挖掘和生物信息学等课程。该书出版于 2006 年，共有 738 页，全彩印刷，[……]
