**引言：**深度学习是近年机器学习领域的重大突破，有着广泛的应用前景。随着Google公开Google Brain计划，业界对深度学习的热情高涨。腾讯在深度学习领域持续投入，获得了实际落地的产出。我们准备了四篇文章，阐述深度学习的原理和在腾讯的实践，介绍腾讯深度学习平台Mariana，本文为第一篇

腾讯研究院金融课题组 一、互联网金融现状 互联网金融是指传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式。业务类型主要包括传统金融业务互联网化（互联网银行、保险、证券、基金销售）和新兴互联网金融业务（互联网支付、网络借贷、众筹、互联网消费金

腾讯主要创始人 陈一丹 技术发展不断改变人们的消费结构。互联网的迅猛发展，也改变了人们对内容的消费模式和习惯，使得数字内容产业迅猛发展起来。在中国，2016年，包括文学、音乐、视频、广告、游戏、直播等在内的数字内容产业市场规模为3820亿元。随着用户付费意愿的增强和付费习惯的养成，中国数字内容产业未

​ 4月26日，2017中国网络版权保护大会在京举行，腾讯主要创始人陈一丹先生出席大会并发表**《把握未来，对中国互联网内容产业发展的思考》**的主题演讲。以下为其演讲实录： 各位嘉宾早上好。在2014年秋到2015年春，我到斯坦福大学法学院做了大半年的访问学者，观察和思考美国的互联网产业和知识产权

编译：机器之心 近年，从围棋到人类水平的语音识别，人工智能（AI）研究者终于在他们几十年一直努力探索的领域取得了突破。取得突破进展的关键一点是研究者们可以收集巨量的数据并“学习”这些数据，从而将错误率降低到可接受范围以内。 简而言之，大数据大为改观了人工智能的发展，将其推到一个几乎难以置信的高度。

本文转载自机器之心 作者：黄小天 5 月 27 日，由机器之心主办、为期两天的全球机器智能峰会（GMIS 2017）在北京 898 创新空间顺利开幕。大会第一天重要嘉宾「LSTM 之父」Jürgen Schmidhuber、Citadel 首席人工智能官邓力、腾讯 AI Lab 副主任俞栋、英特尔

​ 大牛吴恩达曾经说过：做AI研究就像造宇宙飞船，除了充足的燃料之外，强劲的引擎也是必不可少的。假如燃料不足，则飞船就无法进入预定轨道。而引擎不够强劲，飞船甚至不能升空。类比于AI，深度学习模型就好像引擎，海量的训练数据就好像燃料，这两者对于AI而言同样缺一不可。在训练深度神经网络、学习输入到输出的

2017年5月2日，腾讯宣布任命语音识别技术顶级专家俞栋博士为AI Lab（人工智能实验室）副主任，并成立美国西雅图AI实验室。 俞栋博士将负责西雅图AI实验室的运营及管理，推动腾讯在语音识别及自然语言理解等AI领域的基础研究。 这是近段时间以来，腾讯在人工智能领域的第三个大动作。 一个多月前的3月

作者 ：sileng 前言 近年来，机器学习领域取得了突破性的发展，越来越多的应用场景受益于此，也取得突破。机器学习善于解决重复性，有规律的的问题，而运维的某些业务场景也恰是被枯燥的、重复性的工作所堆积。为此作者尝试使用机器学习的方法来解决运维场景下的某些问题，记录此文。 机器学习与平时编程解决问题

前言 在本年度的科技文投稿中，小编发现一个团队作战投稿的文章**《给AI换个大动力小心脏》，作者署名为FPGA团队。该文章一经推出在短短一天内就突破了科技文以往的阅读量记录，并获得了年度科技文超巨星奖（阅读量第一名）**。这篇文章的技术含量自然不用多说，小编也从后台读者提问中收集了很多关于作者的提问

背景与目标 当前视频编码中应用最广泛的是AVC(H.264),而HEVC(H.265)作为下一代的视频编码算法，在压缩性能上可以再节省40%的码率，优势很明显，但H.265对转码机器性能要求较高，实时编码场景时，其高压缩性能不能被充分利用。在x265中有ultrafast、veryfast、fast

新海诚“你的名字”同款滤镜着实在各社群火爆一把，朋友圈中滤镜粉们纷纷穿越到二次元，普通图片经过滤镜的渲染粉饰重获“新生”。滤镜处理图片的技术现在已经司空见惯，但是迁移到视频上，实现高质量且风格百变的效果却鲜为人知。一方面因为大规模推广的厂商不多，另一方面也因为这背后牵扯的技术难度较大。在刚刚结束的S

腾讯18周年庆当天，腾讯人工智能实验室（AI Lab）首次发布深度网络学习视频案例——《青春无畏，冲动不止》庆生视频的艺术滤镜版本 今年风靡业界的Prisma以及天天P图的“潮爆艺术画”，能够将用户拍摄的照片变换成指定的风格。它不仅仅是一个简单的图像滤镜操作，它赋予深度神经网络学习任意艺术风格的能力

在内容爆炸性增长的今天，个性化推荐发挥着越来越重要的作用，如何在海量的数据中帮助用户找到感兴趣的物品，成为大数据领域极具挑战性的一项工作；另一方面，深度学习已经被证明在图像处理，计算机视觉，自然语言处理等领域都取得了不俗的效果，但在个性化推荐领域，工程应用仍然相对空白。 本文是深度学习在个性化推荐实

作者介绍： 数据平台部OCR+团队负责人。2008年毕业于中国科学院研究生院，主攻模式识别、计算机视觉、图像处理、以及深度学习等方向。读研期间曾在模式识别顶级期刊PAMI（IEEE Transactions on Pattern Analysis and Machine Intelligence）发