机器学习作为近几年的一项热门技术，不仅凭借众多“人工智能”产品而为人所熟知，更是从根本上增能了传统的互联网产品。下文将基于本人所负责的个推大数据平台搭建工作，与大家分享个推数据平台架构方面的经验以及踩过的一些坑。

「第一个深度学习框架该怎么选」对于初学者而言一直是个头疼的问题。本文中，来自 deepsense.ai 的研究员给出了他们在高级框架上的答案。在 Keras 与 PyTorch 的对比中，作者还给

颗地雷。当内嵌的文档太深，或者内嵌文档有相同的属性名。你会被炸得很惨。本章节通过 MongoDB简介，Shell编程，SpringBoot整合MongoDB，工作中注意事项，四个方面介绍MongoDB的使用。让你轻松入门，轻松避坑。还在等什么，赶快来学习吧!

本文根据实测数据，初步探讨了在弹性GPU云服务器上深度学习的性能模型，可帮助科学选择GPU实例的规格。

北京时间3月28日，英伟达(NVIDIA)在美国加州圣何塞召开GPU技术大会(GTC)。本届大会上，深度学习又一次不出意外地成为“主角”，围绕这一领域，掌门人黄仁勋先生介绍了一系列重要发布。

Kubernetes宣布创建了一个名为Kubeflow的新项目，旨在解决部署复杂工作负载的挑战。Kubeflow使得在Kubernetes上使用机器学习堆栈更加容易。同时由于Kubeflow依靠

传统意义上，高性能计算(HPC)依赖于数值分析来求解物理方程，以此模拟小到亚原子，大到银河系的系统行为。而最近，科学家们开始尝试一种完全不同的方法。事实证明，机器学习(ML)模型比现有的数字运算仿真

的应用继续扩展到传统的企业计算方面，这些领域通常与大数据开发联系在一起。很明显，所有这些部分都在使用(或者计划使用)机器学习和人工智能，产生类似于HPC的体系结构。

随着信息技术迅速发展，特别是互联网到移动互联网，创造了跨时空的生活、工作和学习方式，使知识获取的方式发生了根本变化。教与学可以不受时间、空间和地点条件的限制，知识的获取渠道变得灵活与多样化。据了解仅2012年一年，中国在线教育市场份额已经达到723亿元，且在线教育用户呈规模性放大。

对于机器学习而言，并不存在“一体适用”的说法。构建不同的模型需要用到不同的算法和不同技术，但如何才能确定哪种技术最合适呢?