个人觉得机器学习、人工智能有两个学习方向：

第一种，和学术界一样，需要读懂每个算法，学习算法背后的数学原理，能够自己把算法实现一遍，甚至加以改进。大学高等数学是基础。

第二种，从科普层面理解这些算法的概念。然后学会调用科学家封装好的类库、框架。并掌握什么时候 该用什么算法解决问题。不必把已经忘光的数学知识重新学习一遍。
比如，libsvm 就是个经典。使用 SVM 分类器，并不需要读懂 libsvm 源码，更不需要掌握了解其背后的数学公式。只需学会如何调用 libsvm 就可以了。

目前几乎所有学习资料、以及相关培训，都属于前者。开篇就见数学公式。很多人因此放弃了学习。更多人则是掉进坑里出不来了（因为大部分人根本不是那块料）。很多优秀的工程师在这上面白白浪费了大量时间。
如果想像后者那样学习，需要自己搜集代码，一个个运行尝试。了解这些代码怎么用，有什么用，什么时候用。并根据网上有限的资料，自己从科普层面加以理解。什么叫学习率、什么叫阀值阈值、什么叫核函数、什么叫浅层神经网络、什么是深度神经网络。。

找工作需要的是前者。大公司？那至少有个相关领域的硕士文凭。

DNS 轮询

大概明白了楼主的愿望。其实想用 php 编写油猴脚本。
那么，你需要的是一个 JS 实现的 php 解释引擎。。

对于空有创意、空有想法的人来讲，他们没有想法变现的能力。我们管它叫“就差程序员系列”。

而对程序员、有变现能力的人来说，可能就会选择抄起键盘开干。但当一切落实到代码和细节上，会发现根本不是那么回事，当初自以为很清晰的想法，在每个细节上都非常模糊。

当项目接近完工，看着眼前的这么个破玩意，觉得根本不是自己当初想象的东西。根本火不了，也不会有人用。于是就没继续下去的欲望了。

需要简单智慧的工作，很快会被替代。但需要复杂逻辑、付出人类情感去理解的工作，短期内，还无法被机器替代。
什么是简单工作？比如高考批卷，只需要图像识别，将书写的内容数字化，剩下的，就是机械化的比对和条件判断。
什么是复杂工作？具有代表性的，就是高考语文作文的批卷。这需要用人类的情感，人类的理解能力，批卷老师的人生经历，去感受、去理解、去体会。这是短期内，人工智能无法做到的。
所以作文的批卷老师，就是人类智慧的代表、是人类具有情感的象征、是机器和人类差距的缩影。

2. 人工智能可以节省大量劳动力，比如高考批卷老师

flash 的 ckplayer、html5 的 videojs-contrib-hls，都可以播放部分 m3u8 直播。只是部分。
比如你举例的这个地址，flash 和 html5 的都播不了。VLC 是能播的。

楼主应该指的是网站方控制之外的，类似“网页评论”的扩展。
关键是如何做起来。

禁止忽略 https 错误、彻底禁止非商店扩展、彻底禁用 NPAPI 时。。该愤怒都愤怒完了吧。

我见过最奇葩的言论是这个 http://tieba.baidu.com/p/3859044063
http://wx2.sinaimg.cn/large/bcd68078ly1fbw6i2nrgwj20f609vdgd.jpg
不知这哥们成功没。非要说学习“新闻联播”，不是不可以（语义分析?），但政策出台的具体时间根本无法预测。而政策的出现，已经等价于一个结果，而不是预测因素。

A 股受政策影响很大，要么千股齐涨，要么千股起跌。所以这个场景，人工智能并不适合预测。更多人选择做美股的量化交易。
不过，我觉得机器学习在 A 股自有 A 股的利用方法。等我做完了发现无效的话，再把代码发出来。

要是我设计的话，就这样：用以前搜集的的定位数据来判断，春节临近，还出现在工作地点的人，得敬业福。

果然，还是做不到防跳出。当年做聚合搜索，这个点，研究了好久。失败了。
填入 豆瓣电影 地址。

站长圈子有个古老的产品，叫“火车头”。

其实国外是有的，免费、功能受限，虽有坑、但能用。但被大量用于科学上网之后。。。