Kubeflow 使用指南
Kubeflow（https://github.com/kubeflow）是基于Kubernetes（https://kubernets.io，容器编排与管理服务软件）和TensorFlow(https://tensorflow.org，深度学习库)的机器学习流程工具，使用Ksonnet进行应用包的管理。
如何快速在阿里云上构建自己的机器学习应用
在2017云栖大会深圳峰会开源专场上，阿里云容器服务技术专家车漾做了题为《在阿里云上构建机器学习应用》的精彩演讲，车漾首先从2016年深度学习最火的两个应用AlphaGo与Prisma谈起，从宏观层面分享了机器学习以及深度学习所做的事情，并就Prisma的发展故事谈起，为大家介绍了应该学会以工程思想思考和解决问题，并着重介绍了阿里云基于容器服务的机器学习解决方案架构设计以及如何借助阿里云快速搭建自己的机器学习应用，精彩不容错过。
隐私与机器学习，二者可以兼得吗？
隐私数据与机器学习看似矛盾，其实不然。如何有效保护机器学习训练中的隐私数据？谷歌专家给出了答案——PATE框架，就算你不太懂隐私保护的知识，也可以通过PATE框架来保护机器学习里的训练数据。
函数计算支持应用中心功能
函数计算是事件驱动的全托管计算服务。使用函数计算，您无需采购与管理服务器等基础设施，只需编写并上传代码。函数计算为您准备好计算资源，弹性地可靠地运行任务，并提供日志查询、性能监控和报警等功能。借助函数计算，您可以快速构建任何类型的应用和服务，并且只需为任务实际消耗的资源付费。
Kubeflow实战系列：阿里云上小试TFJob
`tf-operator`是Kubeflow的第一个CRD实现，解决的是TensorFlow模型训练的问题，它提供了广泛的灵活性和可配置，可以与阿里云上的NAS，OSS无缝集成，并且提供了简单的UI查看训练的历史记录。
送机器学习电子书——(TensorFlow)RNN入门
本文作者正在写自己的新书Machine Learning with TensorFlow，这篇博文只是他新书的一小部分，作者用简单的语言介绍了RNN，不用一个小例子介绍了如何使用Tensorflow中内置的RNN模型进行预测。
