整理＆编译：刘小芹、李静怡、胡祥杰

　　新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。

　　简历投递：j[email protected]

　　HR 微信：13552313024

　　新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。

　　加盟新智元，与人工智能业界领袖携手改变世界。

　　【新智元导读】在 ThingsExpo 会议上，谷歌软件工程师 Natalia Ponomareva 作了有关如何在大规模机器学习中取得成功的讲座。Natalia 回顾了可用于对大量数据进行机器学习模型训练的框架，解释了特征工程和算法选择，并提供了有关如何避免错误的 tips。这是一份非常实用的机器学习指导手册。本文后半部分谈了如何选择深度学习框架的问题，以及Theano 贡献者、苏黎世联邦理工学院的深度学习研究者 Gokula Krishnan Santhanam 对常用深度学习框架基本构成的分析。

　　【进入新智元微信公众号，在对话框输入“谷歌MLppt”，可下载32页ppt】

　　谷歌机器学习：实际应用技巧

　　什么是机器学习（ML）？

　　从概念上讲：给定（训练）数据，发现一些潜在的模式并将这个模式应用于新数据。

　　ML 的类型：监督学习；无监督学习；半监督学习；……

　　监督学习：用于训练的输入数据有标记。

分类（学习决策边界）。示例：文本/图像/视频分类，垃圾邮件检测等

回归（学习预测连续值）。示例：预测房价，预测用户愿意支出的金额等

　　无监督学习：输入数据没有标记，尝试在数据中查找“隐藏的”结构。

聚类

异常值/异常现象检测

　　示例：对聚类流服务用户进行分组，对这些组以及某个视频在这些组中的受欢迎程度进行分析。

　　ML如何帮助企业业务

个性化服务（为每个用户提供量身定制的独特的体验），可以最大限度地提高参与度和收入

自动化执行一些容易出错或需花费大量时间的任务（如转录，字形识别等）

分析数据，提出更好的决策方案

……

从小处着手：数据取样；初始特征标记；建一个简单的模型，看看它性能如何

Scale：用完整的数据训练；改进特征（特征工程）；尝试不同的算法（模型选择）

　　特征工程（feature engineering）是什么？

　　在概念上，特征工程是将原始数据（日志，产品购买的历史记录或上网行为等）转换成可以由学习算法在训练和预测中使用的矢量（vector）的过程。

它是高度领域特定的。

取决于你试图从数据中学习什么。

劳动密集型

　　特征工程：如何做？

　　高级步骤：

决定你想要获得的洞察力（例如，我们想训练一个模型，为用户听歌提供推荐）。

(责任编辑：本港台直播)