一、有哪些比較好的機器學(xué)習(xí)實踐案例

我是主推Python系的機器學(xué)習(xí)工具鏈的。主要的理由是： 1.現(xiàn)在的研究熱點大都用Python實現(xiàn)。 2.Python可以編譯到C(通過Cython)，所以可以很好的保護(hù)源碼。相對于Java的混淆字節(jié)碼來說，編譯到C之后的Python源碼幾乎不可能被分析。 3.Python是免費的，雖然用… 顯示全部

我是主推Python系的機器學(xué)習(xí)工具鏈的。主要的理由是：

1.現(xiàn)在的研究熱點大都用Python實現(xiàn)。

2.Python可以編譯到C(通過Cython)，所以可以很好的保護(hù)源碼。相對于Java的混淆字節(jié)碼來說，編譯到C之后的Python源碼幾乎不可能被分析。

3.Python是免費的，雖然用起來比matlab要麻煩。但是有開源社區(qū)的支持，包括最近公布的numbapro可以把Python JIT到CUDA/GPU平臺運行。極大的簡化了性能優(yōu)化的工作。

4.Python在Linux集群上可以跑，但是matlab貌似是不行的。

二、IBM Watson在商業(yè)領(lǐng)域有哪些應(yīng)用案例

行為與成績管理：通過現(xiàn)有的Under Armour移動應(yīng)用和健康跟蹤設(shè)備，IBM Watson能夠深入挖掘用戶的行為與成績趨勢，這個系統(tǒng)可以提供各種定制化方案。

攝入食物追蹤與全面營養(yǎng)管理：基于IBM Watson的視覺識別和發(fā)掘技術(shù)，繁瑣的食物人工記錄過程可被食物圖片視覺識別所取代，從而能夠更快和更加便捷地鑒定食物。

氣候和環(huán)境因素如何影響訓(xùn)練效果：將IBM Watson的氣候?qū)I(yè)知識與Watson新聞服務(wù)API加以結(jié)合，從而整合每日消息源；吸收地理空間數(shù)據(jù)，這個系統(tǒng)可以基于這些外部因素修改健身方案。

“提及數(shù)字化健康追蹤，過去十年來我們一直致力于數(shù)據(jù)采集工作，”Under Armour公司的創(chuàng)建人和首席執(zhí)行官Kevin Plank這樣說，“我們現(xiàn)在處于一個轉(zhuǎn)折點，因為消費者需要更多這樣的信息。與IBM的這種合作關(guān)系讓我們可以采用一種前所未有的方式將好處回饋給消費者，因為我們將IBM Watson的機器學(xué)習(xí)技術(shù)與Under Armour互聯(lián)化健身社區(qū)的豐富數(shù)據(jù)結(jié)合于一體，該社區(qū)是全世界最大規(guī)模的數(shù)字化健康與運動社區(qū)，擁有超過1.6億名成員。”

“作為首款認(rèn)知時代的系統(tǒng)，IBM Watson將思考能力融入數(shù)字化應(yīng)用、產(chǎn)品和系統(tǒng)，”IBM研發(fā)與解決方案高級副總裁John Kelly表示，“我們看到這種能力開始改變包括醫(yī)療保健、保險和零售等在內(nèi)的各行各業(yè)。我們期待著與健康和保健領(lǐng)域的前沿企業(yè)共同合作。如今Under Armour可以充分發(fā)揮IBM Watson的優(yōu)勢，在個人健康領(lǐng)域進(jìn)行轉(zhuǎn)型，與客戶之間建立更加深入的關(guān)系，通過數(shù)據(jù)更清晰展現(xiàn)每一個人的健身效果，以幫助他們實現(xiàn)個人健康目標(biāo)。”

最初，“認(rèn)知訓(xùn)練系統(tǒng)”(Cognitive Coaching System)可以提供四種類型的洞察數(shù)據(jù)，這些信息將會顯示在全新發(fā)布的UA Record應(yīng)用之中，數(shù)據(jù)分別是：睡眠、健康、運動和營養(yǎng)。這些洞察來自于三個數(shù)據(jù)源，包括UnderArmour互聯(lián)化健身社區(qū)、外部學(xué)術(shù)研究機構(gòu)，以及IBM Watson相似性分析數(shù)據(jù)。這些洞察最初將由UA Record獨家提供，并可在App Store下載應(yīng)用。

三、python 機器學(xué)習(xí)經(jīng)典實例 這本書怎么樣

最近新出的書，學(xué)習(xí)一下別人機器學(xué)習(xí)實踐情況

在如今這個處處以數(shù)據(jù)驅(qū)動的世界中，機器學(xué)習(xí)正變得越來越大眾化。它已經(jīng)被廣泛地應(yīng)用于不同領(lǐng)域，如搜索引擎、機器人、無人駕駛汽車等。本書首先通過實用的案例介紹機器學(xué)習(xí)的基礎(chǔ)知識，然后介紹一些稍微復(fù)雜的機器學(xué)習(xí)算法，例如支持向量機、極端隨機森林、隱馬爾可夫模型、條件隨機場、深度神經(jīng)網(wǎng)絡(luò)，等等。