Colaboratory 是一个免费的 Jupyter 笔记本环境，不需要进行任何设置就可以使用，并且完全在云端运行。借助 Colaboratory，我们可以在浏览器中编写和执行代码、保存和共享分析结果，以及利用强大的计算资源，包含 GPU 与 TPU 来运行我们的实验代码。

人工智能、深度学习与 Tensorflow 相关书籍、课程、示例列表是笔者 Awesome Links 系列的一部分；对于其他的资料集锦、模型、开源工具与框架请参考 DataScienceAI Links Series。本文推荐的部分开源书籍可以前往 Awesome-CS-Books-Warehouse 便捷翻阅，或者前往 AI CheatSheet, AIDL-Series | 人工智能与深度学习实战, A...

Andrew NG 深度学习课程笔记：梯度下降与向量化操作从属于笔者的Deep Learning Specialization 课程笔记系列文章，本文主要记述了笔者学习 Andrew NG Deep Learning Specialization 系列课程的笔记与代码实现。注意，本篇有大量的数学符号与表达式，部分网页并不支持；可以前往源文件查看较好的排版或者在自己的编辑器中...

二元分类与 Logistic 回归从属于笔者的Deep Learning Specialization 课程笔记系列文章，本文主要记述了笔者学习 Andrew NG Deep Learning Specialization 系列课程的笔记与代码实现。注意，本篇有大量的数学符号与表达式，部分网页并不支持；可以前往源文件查看较好的排版或者在自己的编辑器中打开。

深度学习正在逐步地改变世界，从网络搜索、广告推荐这样传统的互联网业务到健康医疗、自动驾驶等不同的行业领域。百年前的电气革命为社会带来了新的支柱产业，而如今 AI 正是新时代的电力基础，驱动社会技术的快速发展。本课程的第一部分，关注于如何构建包括深度神经网络在内的神经网络以及如何利用数据训练该网络，课...

统计语言模型（Statistical Language Model）即是用来描述词、语句乃至于整个文档这些不同的语法单元的概率分布的模型，能够用于衡量某句话或者词序列是否符合所处语言环境下人们日常的行文说话方式。统计语言模型对于复杂的大规模自然语言处理应用有着非常重要的价值，它能够有助于提取出自然语言中的内在规律从而提高...

20 Newsgroup 数据集包含了约 20000 篇来自于不同的新闻组的文档，最早由 Ken Lang 搜集整理。本部分包含了对于数据集的抓取、特征提取、简单分类器训练、主题模型训练等。本部分代码包括主要的处理代码封装库与基于 Notebook 的交互示范。我们首先需要进行数据抓取：

机器学习、深度学习与自然语言处理领域推荐的书籍列表 是笔者 Awesome Reference 系列的一部分；对于其他的资料、文章、视频教程、工具实践请参考面向程序猿的数据科学与机器学习知识体系及资料合集。本文算是抛砖引玉，笔者最近有空就会在 Pad 上面随手翻阅这些书籍，希望能够了解其他优秀的书籍。

某熊周刊系列:一周推荐外文技术资料(3.1)归纳于某熊周刊:一周推荐外文技术资料是笔者每周浏览外文技术网站中时发现的不错的文章/项目/书籍/教程的集锦，可以关注笔者的专栏某熊的全栈之路及时获取更新。资讯来源包括但不限于Medium、Twitter、Google Plus、Reddit、Hacker News、DZone、Github Trending。另外，周刊中的...

某熊周刊系列:一周推荐外文技术资料(2.6)归纳于某熊周刊:一周推荐外文技术资料是笔者每周浏览外文技术网站中时发现的不错的文章/项目/书籍/教程的集锦，可以关注笔者的专栏某熊的全栈之路及时获取更新。资讯来源包括但不限于Medium、Twitter、Google Plus、Reddit、Hacker News、DZone、Github Trending。另外，周刊中的...

某熊周刊系列:一周推荐外文技术资料(2.5)归纳于某熊周刊:一周推荐外文技术资料是笔者每周浏览外文技术网站中时发现的不错的文章/项目/书籍/教程的集锦，可以关注笔者的专栏某熊的全栈之路及时获取更新。资讯来源包括但不限于Medium、Twitter、Google Plus、Reddit、Hacker News、DZone、Github Trending。另外，周刊中的...

某熊周刊系列:一周推荐外文技术资料(2.4)归纳于某熊周刊:一周推荐外文技术资料是笔者每周浏览外文技术网站中时发现的不错的文章/项目/书籍/教程的集锦，可以关注笔者的专栏某熊的全栈之路及时获取更新。资讯来源包括但不限于Medium、Twitter、Google Plus、Reddit、Hacker News、DZone、Github Trending。另外，周刊中的...

某熊周刊系列:一周推荐外文技术资料(2.3)归纳于某熊周刊:一周推荐外文技术资料是笔者每周浏览外文技术网站中时发现的不错的文章/项目/书籍/教程的集锦，可以关注笔者的专栏某熊的全栈之路及时获取更新。资讯来源包括但不限于Medium、Twitter、Google Plus、Reddit、Hacker News、DZone、Github Trending。另外，周刊中的...

某熊周刊系列:一周推荐外文技术资料(2.2)归纳于某熊周刊:一周推荐外文技术资料是笔者每周浏览外文技术网站中时发现的不错的文章/项目/书籍/教程的集锦，可以关注笔者的专栏某熊的全栈之路及时获取更新。资讯来源包括但不限于Medium、Twitter、Google Plus、Reddit、Hacker News、DZone、Github Trending。另外，周刊中的...

某熊周刊系列:一周推荐外文技术资料(1.4)归纳于某熊周刊:一周推荐外文技术资料是笔者每周浏览外文技术网站中时发现的不错的文章/项目/书籍/教程的集锦，可以关注笔者的专栏某熊的全栈之路及时获取更新。资讯来源包括但不限于Medium、Twitter、Google Plus、Reddit、Hacker News、DZone、Github Trending。另外，周刊中的...

本文从属于某熊周刊:一周推荐外文技术资料是笔者每周浏览外文技术网站中时发现的不错的文章/项目/书籍/教程的集锦，可以关注笔者的专栏某熊的全栈之路及时获取更新。资讯来源包括但不限于Medium、Twitter、Google Plus、Reddit、Hacker News、DZone、Github Trending。另外，周刊中的技术知识框架图参照笔者的2016:我的...

Scikit-Learn 备忘录整理自Scikit_Learn_Cheat_Sheet_Python，归属于笔者的程序猿的数据科学与机器学习实战手册，前置阅读 Python语法速览与机器学习开发环境搭建。 Scikit-Learn Scikit-learn是开源的Python机器学习库，提供了数据预处理、交叉验证、算法与可视化算法等一系列接口。 Basic Example:基本用例 {代码...} ...

本文从属于某熊周刊:一周推荐外文技术资料是笔者每周浏览外文技术网站中时发现的不错的文章/项目/书籍/教程的集锦，可以关注笔者的专栏某熊的全栈之路及时获取更新。资讯来源包括但不限于Medium、Twitter、Google Plus、Reddit、Hacker News、DZone、Github Trending。另外，周刊中的技术知识框架图参照笔者的2016:我的...

某熊周刊:一周推荐外文技术资料是笔者每周浏览外文技术网站中时发现的不错的文章/项目/书籍/教程的集锦，可以关注笔者的专栏某熊的全栈之路及时获取更新。资讯来源包括但不限于Medium、Twitter、Google Plus、Reddit、Hacker News、DZone、Github Trending。另外，周刊中的技术知识框架图参照笔者的2016:我的编程知识体...

概率论是机器学习中的重要角色，那么何谓概率？我们在小学里就听老师讲过抛硬币时正面朝上的概率为0.5，这句话又代表着何含义呢？对于概率的理解往往有两种不同的方式，其一是所谓的频率论解释（Frequentist Interpretation）。这种观点中，概率代表着某个事件在较长范围内的出现频次。譬如这里的抛硬币问题可以阐述为，...

Python 是一门高阶、动态类型的多范式编程语言。人生苦短，请用Python，大量功能强大的语法糖的同时让很多时候Python代码看上去有点像伪代码。譬如我们用Python实现的简易的快排相较于Java会显得很短小精悍:

去年年底，笔者发表了一篇我的编程之路——知识管理与知识体系，是我那时对于技术体系的认知。在即将过去的2016年中我参与到了更多的实践当中，特别是在Web前端开发领域更深入了几分。触类旁通，举一反三，在整个软件编程体系内的各个知识都可以相互印证。技术分为术与道两者，术即是具体的做事的方法，而道则是做事的逻辑...

互联网的迅猛发展催生了数据的爆炸式增长。面对海量数据，如何挖掘数据的架子，成为一个越来越重要的问题。首先，对于数据挖掘的概念，目前比较广泛认可的一种解释如下：

原文地址:machine-learning-is-fun-part-1，原文共分三个部分，笔者在这里合并到一篇文章中，并且对内容进行了重新排版以方便阅读。 本文的Github地址 笔者的数据科学/机器学习知识图谱以及系列文章在Github的Repo，欢迎关注与点赞，笔者之前攒了很多零散的笔记，打算拾掇拾掇整理出来

因为众所周知的原因，在国内搭建Tensorflow的环境又经历了一些波折。笔者习惯用Docker作为复杂依赖项目的开发环境，Google提供的安装方式有如下几个。