在阿尔法狗战胜李世石后，人工智能在全球的热议程度达到一个新的高度。得益于神经网络深度学习在算法上的突破，使得多个基础人工智能技术水平得到飞跃提升。计算机视觉、机器学习、自然语言处理、机器人技术、语音识别等人工智能技术快速发展对整个社会带来的改变将远大于互联网。

本文选自美团外卖商业分析与策略负责人马宏彬和美团技术架构负责人夏华夏于2016年6月2日在清华大数据“应用·创新”系列讲座上所做的题为《大数据与美团外卖的精细化运营》的演讲。

大数据时代，实现精准营销并非无规律可循

一个自然的疑问是，上海真的是中国日系文化氛围最浓的城市吗？除了上海，还有哪座城市也有类似对日本文化的包容？

早早起来，磨刀烧水，“做掉”了这个扰民的始作俑者，联想起大数据中的关联和课题组前三个月前发表的关于因果挖掘的论文（计算机学报2014.12，文后可下载），写了这篇博文，借此科普一下因果与关联，写得比较匆忙，不当之处请博友们指正。

我们今天面临着诸多来自大数据和其他数据分析带来的困难，而数据科学正是对这些挑战的回应。

在过去的 12 个月里，笔者一直在大数据的战壕里挖掘。好吧，其实大部分时间我只是坐在比我更聪明的人旁边，看他们怎么在战壕里挖掘数据，再把所做的事情进行简化以上报给管理层。

大数据在2016年面临的最大挑战是将重点从“怎样做”的技术驱动型转向关注“为什么”的商业驱动型。吸引并训练那些能用数据科学能力理解一个特定的业务的人才，并鼓励他们在企业中领头。

许多企业仍然被淹没在巨大的数据量以及文本数据源快速增长的洪流当中

40年前，1976年7月28日3时42分53.8秒，一场7.8级大地震袭击唐山，顷刻间，山崩地裂，房倒屋塌，24万人罹难，16万人重伤，100多万人受伤，损失惨重，举世罕见……

2016年美国大选，几个黑客掀起的希拉里邮件门，多少让川普弯道超车，让看起来稳赢的希拉里最后黯然退场，黑客应该争取了关键的, 超过两位数的的支持率。

这次分享的 《深入浅出数据产品三部曲》系列文章是正在写的《深入浅出数据产品》Building big Data Products 书的节选。

VMware CEO Pat Gelsinger曾说：数据科学是未来，大数据分析则是打开未来之门的钥匙 企业正在迅速用新技术武装自己以便从大数据项目中获益。各行业对大数据分析人才的需求也迫使我们升级自己的技能以便寻找更好的职业发展。 跳槽之前最好先搞清楚一个岗位会接触到的项目类型，这样你才能掌握所有需要的技能，工作的效率也会更高。 下面我们尽量列出了一些流行…

通过对高校图书借阅数据的深入分析，我们发现了更有趣的结论：学习成绩、毕业去向都与图书借阅偏好有着密切的关系。

纽约时报对美国大选结果的可视化分析：大数据时代的第一次美国大选，地理学和可视化像透镜一样，可以让我们更加清楚地认识数据。

你想要的算法这都有！

作者早先的一篇关于语言概率模型的论文开创了神经网络做语言模型的先河，启发了一系列关于 NLP 的文章，进而在工业界产生重大影响。此外，他的小组开发了 Theano 平台。以下是人工智能大拿解答机器学习30个问答。

DT时代，大数据变得如何重要，大量的传统企业也在不同程度的试水大数据价值运营，但相对于互联网企业，我们面临数据、模式、体制，人才、战略等全方面的挑战，也存在诸多困惑。 这里笔者结合实践和个人理解，给出传统企业大数据运营探索的八个建议，供大家参考。 第一步：做成一单买卖 传统企业做大数据，切忌空谈，不停的论证，不停的汇报，不停的调研，不停的考虑组织上的调整，不…

机器学习领域目前的流行趋势是免费提供软件等产品。科技公司一直提倡建立开源社区，并且非常乐意将其部分代码开源。然而，在过去的一年(2015年)中，机器学习领域的大佬们却将自己完整的代码库贡献出来了：谷歌TensorFlow开源;Facebook也将其经过优化的深度学习模块提供给了开源图书馆Torch;然后，Microsoft推出了免费的分布式机器学习工具包(D…

摘要：在本篇文章中，将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。当然，本文也面对一般读者，不会对阅读有相关的前提要求。 在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？ 我并不直接回答这个问题前。相反，我想请大家看两张图，下图是图一： 图1 机…