有些流失是无法避免的，但也有可以挽留的。

深度学习方向当下如火如荼，就差跑进楼下大妈的聊天内容了。

数据之于营销人的意义已经无须赘述。但现实问题是，面对各种复杂难懂的“大数据”概念，我们如何才能抓住关键，在最短的时间里建立起对数据分析的感性认识？如何通过系统认知在工作中逐渐培养起数据思维？

人工智能是个信息革命到蒸汽机规模之间的机会，相比之下虚拟现实应该是移动互联网级别的，而用户个性化服务应该是伴生规模的。

摘要：大家好!欢迎大家来到商学院听我的分享，我是网易邮箱数据分析组的主管马晓琴，今天我讲的主题是关于数据运营和分析的内容。我想我们首先要弄清楚的是数据是什么有哪些数据然后我们才会明白如何分析这些数据，最后通过数据来驱动运营。 天天说数据，常用的数据有哪些 数据是什么或者说我们的生活中到底有哪些数据。同学们早上可能会用手机看一下新闻，平常刷刷微信，下班的时候回…

在本文中，我们将聚焦于开源的人工智能工具，详细的了解下最著名的 15 个开源人工智能项目。

原来分析的都是后台交易数据，现在要分析用户浏览行为，那要怎么搜集数据，埋点要注意点什么？

人工智能（AI）和机器学习将在2017年成为推动技术经济发展的一大助力。

我们先带着大家过一遍传统机器学习算法，基本思想和用途。

深度神经网络已经成为解决计算机视觉、语音识别和自然语言处理等机器学习任务的最先进的技术。尽管如此，深度学习算法是计算密集型和存储密集型的，这使得它难以被部署到只有有限硬件资源的嵌入式系统上。 为了解决这个限制，可以使用深度压缩来显著地减少神经网络所需要的计算和存储需求。例如对于具有全连接层的卷积神经网络（如Alexnet和VGGnet），深度压缩可以将模型大…

日前，一位署名为“傲海”的阿里云工程师在云栖社区发布了一篇分析北京雾霾成因的文章。作者通过机器学习算法分析发现，北京重度雾霾天的出现同大气中二氧化氮的含量存在强相关性。

ASM优化应该怎么玩？如何更高效？

本次分享中我会为大家介绍深度学习算法在自然语言处理任务中的应用——包括算法的原理是什么，相比于其他算法它具有什么优势，以及如何使用深度学习算法进行情感分析。

一套人工智能机器学习整个知识体系

近些年，深度学习在语音识别、图像处理、自然语言处理等领域都取得了很大的突破与成就。相对来说，深度学习在推荐系统领域的研究与应用还处于早期阶段。

本文先为初学者介绍了必知的十大机器学习（ML）算法，并且我们通过一些图解和实例生动地解释这些基本机器学习的概念。我们希望本文能为理解机器学习基本算法提供简单易读的入门概念。 机器学习模型 在《哈佛商业评论》发表「数据科学家是 21 世纪最性感的职业」之后，机器学习的研究广受关注。所以，对于初入机器学习领域的学习者，我们放出来一篇颇受欢迎的博文——《初学者必知…

作者：Sonam Srivastava 在今天我们发布的这篇文章中，作者 Sonam Srivastava 介绍了金融中的三种深度学习用例及这些模型优劣的证据。 我们跟随 Sonam Srivastava 的分析，并展望深度学习在金融领域的运用前景。虽然金融是计算密集型最多的领域，但广泛使用的金融模型：监督和无监督模型、基于状态的模型、计量经济学模型甚至随机…

Hadoop是目前大数据分析领域中应用最广泛的一种分布式架构，而经过相当长时间的发展，Hadoop在功能上也越来越成熟。

近日， Gartner发布了2018年版“分析型数据管理解决方案魔力象限”（简称DMSA）。GBase南大通用成功进入该象限，并在前瞻性方面领先阿里云与华为。

市场与销售之间的信息孤岛、客户的日益多元与多变、销售过程中的主观性，都有可能丢失线索，或延长本就长得可怕的销售周期。2018年，B2B企业若想提高线索的质量与数量，更顺利地走完整个漏斗，需要知道以下三个战略。