物联网离我们还有多远，也许已经体验了众多智能硬件设备的你可以感觉到真的快来了。去年12月初，目前智能硬件产品应用最广泛的蓝牙再次公布了4.2标准，其中加入了对于IPv6的支持，未来也许每一棵植物、电灯泡都将拥有了自己的IP地址，加之以蓝牙传统的低功耗优势，物联网成真的脚步真的近了。

　　智能门锁、智能温控、智能汽车……你可能最近经常听到这些名词，今后他们会出现的更频繁。但是这些到底是什么呢?是什么让他们那么智能呢?

　　CNN作为DL中最成功的模型之一，有必要对其更进一步研究它。虽然在前面的博文Stacked CNN简单介绍中有大概介绍过CNN的使用，不过那是有个前提的：CNN中的参数必须已提前学习好。而本文的主要目的是介绍CNN参数在使用bp算法时该怎么训练，毕竟CNN中有卷积层和下采样层，虽然和MLP的bp算法本质上相同，但形式上还是有些区别的，很显然在完成CNN反向传播前了解bp算法是必须的。

　　Hadoop是基于Java的数据计算平台，在我们公司得到了广泛应用。同样mllib也是我们算法组同学经常使用的一个机器学习工具包。但目前mllib工具包只提供了供C++程序调用的so链接库，没有可供java程序调用的jar包。由于这个需求有一定的普遍性，作者将mllib做了进一步封装，并通过jni的方式把其封装成了可供java程序调用的接口。

　　这个系列主要想能够用数学去描述机器学习，想要学好机器学习，首先得去理解其中的数学意义，不一定要到能够轻松自如的推导中间的公式，不过至少得认识这些式子吧，不然看一些相关的论文可就看不懂了，这个系列主要将会着重于去机器学习的数学描述这个部分，将会覆盖但不一定局限于回归、聚类、分类等算法。

　　从前，对于一个人来说，想要证明自己是一个好人，其实是一件挺麻烦的事，传统征信机构主要通过这个人的履约能力来判断他的履约意愿，比如，有房有车、有钱有地位，基本判断他违约率较低，那么，问题来了，有房有车有钱有地位的人就不会违约吗?

　　2014年，虽然大数据应用还没有深入普及，但是已经有越来越多的行业用户尝试引入大数据相关技术解决如何管理、利用日益增长的各类数据，而往往随之的安全问题也日益受到关注，为了确保防止黑客盗窃数据信息的风险，企业应该在转移到充分利用大数据的优势的同时，也相当有必要采取相关的安全措施来保护他们数据资产的完整性。

　　云计算的“横空出世”让很多人将其视为一项全新的技术，但事实上它的雏形已出现多年，只是最近几年才开始取得相对较快的发展。确切地说，云计算是大规模分布式计算技术及其配套商业模式演进的产物，它的发展主要有赖于虚拟化、分布式数据存储、数据管理、编程模式、信息安全等各项技术、产品的共同发展。

　　算算时间，从开始到现在，做机器学习算法也将近八个月了。虽然还没有达到融会贯通的地步，但至少在熟悉了算法的流程后，我在算法的选择和创造能力上有了不小的提升。实话说，机器学习很难，非常难，要做到完全了解算法的流程、特点、实现方法，并在正确的数据面前选择正确的方法再进行优化得到最优效果，我觉得没有个八年十年的刻苦钻研是不可能的事情。

　　传输速率最高可达数100Gb/秒，苹果、微软及索尼在内多家巨头数年的合作，一种工作频率为60 GHz的新无线技术WiGig即将诞生，它甚至可以取代PC与显示器或投影仪之间的缆线。目前，高通、英特尔、三星等公司已经在新产品中秘密支持了该项技术，包括骁龙芯片和三星智能家居。

➊如何降低硬件设备的功耗，并以此来提高环境保护的程度，是一个关键问题➋企业数据中心将占用空间更小，拥有更高的功率密度。服务商将继续建立、改造其数据中心➌云计算处理个人事务的能力在不断提升，利用云计算平台运营也减少企业成本

　　在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。本文的目的就是对常用的相似性度量作一个总结。

　　深度学习（Deep Learning）是近年来机器学习领域的热点，在语音识别、图像识别等领域均取得了突破性进展。腾讯提供广泛的互联网服务，在2014年第一季度，即拥有3.96亿月活跃用户的微信，8.48亿月活跃用户的QQ，以及6.44亿月活跃用户的Qzone等平台，拥有海量数据和众多应用，深度学习在腾讯有广泛的潜在应用场景。

　　大数据，现在已经不仅仅是人们日常工作和生活当中的必需品了，很多国家已经开始将大数据技术和应用上升到国家的战略层面，在2012年3月，美国政府就宣布将大数据以及相关产业上升为国家战略，很多行业包括军事、能源等都被列入到了大数据应用领域。