大数据与机器学习周报 第 4 期：微软 CEO 纳德拉将赌注押在人工智能上

新闻

1. 《Microsoft 2016 年 Build 大会：纳德拉将赌注押在人工智能上》：在此次大会上，纳德拉的主题演讲以 Cortana 和人工智能为中心展开。他介绍了微软的 Bot 框架（Microsoft Bot Framework）和新的认知服务（Cognitive Services）等最新进展
2. 《谷歌董事长施密特：人工智能不会威胁到人类》：谷歌母公司 Alphabet 董事长埃里克·施密特周一在出席哥伦比亚大学的活动时表示，对于人工智能的快速发展，人们没什么好恐惧的

大数据

1. 《大数据驱动下的微博社会化推荐》：不同于搜索，“推荐”通常不是独立的互联网产品，而是互联网产品的核心组件，为该产品的核心目标服务，比如电商网站的推荐是为了达成更多商品交易。微博推荐同样如此，其存在价值就是通过梳理和优化用户关系网络、打通内容传播链条、引爆信息定向传播，从而实现加速高价值用户关系构建、优质内容传播和商业化营收等微博核心目标
2. 《达观数据个性化推荐系统实践》：面对“信息过载”，个性化推荐根据用户的历史行为数据进行深层兴趣点挖掘，将用户最感兴趣的物品推荐给用户，从而做到千人千面，不仅满足了用户本质的信息诉求，也最大化了企业的自身利益，所以个性化推荐蕴含着无限商机
3. 《驱动“大数据创新”的不是数据的规模而是数据的多样性》：提到大数据，很多人会想到“大规模的数据”。通常认为规模越大对数据和分析越好，事实并非总是如此
4. 《大数据处理技术漫谈》：以前一篇博客，从宏观描述了云梯 1 当时整体生态，年底了，笔者再梳理下软件栈，主要以开源软件为主，闭源不谈。大数据发展至今，开源软件层出不穷，也去解决了不同的问题，笔者试图去弄清楚这些，分门别类，后面也可以参照下。由于笔者知识面有限，难免会出现一些偏颇，不全，不正确，还请指正。后面也会有很多新的软件出现
5. 《WOT2016 杨大海：优酷土豆 Hadoop 集群挑战海量数据与高并发之道》：对于视频网站来说，仅提供基础服务已经不能满足用户的需求。能否通过挖掘大数据的价值为用户提供差异化的优质内容，成为视频网站艳压群芳的关键

机器学习

1. 《在 spark 上构建硬件加速的、分布式神经网络框架》：最近几年，神经网络算法得到业界越来越多的关注。基于神经网络的深度学习在计算机视觉、语音识别和自然语言处理等方面都取得了良好的效果。已有的神经网络框架（如 Caffee，Torch 等）往往是单节点的方案并使用昂贵的 GPU 卡进行加速。我们基于 Spark 构建了一个分布式的神经网络算法框架
2. 《深度 | 拥抱不确定性：深度学习还需一场分离冷凝机式的革命》：本文作者为 Neil Lawrence，谢菲尔德大学机器学习和计算生物学教授。在 ODSC East（Open Data Science Conference East：开放数据科学大会（美国东部））上他详尽地探讨了机器学习的问题
3. 《如何提供让人耳目一新的在线答疑服务的核心技术？》：在教育倍受重视的今天，在线教育行业也发展的如火如荼。本期嘉宾学霸君研发副总裁陈锐锋将为您深层次的解析拍照搜题、在线答疑的核心技术。本期嘉宾将带您走进学霸君，走进在线教育行业背后的架构
4. 《AlphaGo 只是开头——深度解析谷歌人工智能计划》：Hassabis 说 Alpha 打败世界围棋冠军只是万里长征的第一步，作为人工智能领域的阿波罗计划，目标“解决智能问题，然后用它解决其他所有问题。”
5. 《从 YC 投资的 15 个人工智能项目，我们看到什么趋势？》：Y Combinator 是新技术和创业公司的风向标。在过去的十年间，从 YC 走出了很多伟大的企业，2015 年初的调查显示，YC 孵化的企业市值加起来已经超过了 300 亿美元。2016 年 YC 开始砸向人工智能了，我们盘点了 YC 投资的 15 个人工智能企业，并试图从中发现产业的趋势