机器学习实战之路

👉🏻阅读模式 | | 2017/12/15 | 924次原文发表于：2017-07-20

本文只简单介绍机器学习实践中需要掌握的基础知识，不涉及细节，具体细节部分需要花时间去实践和了解，后续有时间的话会在本博客相应栏目中进行补充。

计算工具：TensorFlow、Caffe、MXNet、sklearn、keras、DMLC、kylin

计算资源：CPU、GPU、FPGA

算法场景：分类、回归、聚类

架构：参数服务器（Parameter Server）

会议：NIPS、ACL、WSDM、ICML、 KDD、ICLR、CVPR

常用算法：LR、GBDT、Random Forest、Deep Learning（CNN、RNN、CTC）

应用场景：OCR识别、人脸识别、序列标注、命名实体识别、GAN

线上服务：http、RPC

其他：

参考：