![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLiMGc902byZ2PyczY3AjY0gDOmZWYwIDMwMTNxYzLc5Wanlmcv9CXt92YucWbp9WYpRXdvRnL5A3Lc9CX6MHc0RHaiojIsJye.jpg)
大資料文摘作品
作者:aileen
嗚啦啦啦啦啦大家好呀,又到了本周的ai大事件時間了。過去的一周中ai圈都發生了什麼?大佬們互撕了哪些問題?研究者們釋出了哪些值得一讀的論文?又有哪些開源的代碼和資料庫可以使用了?文摘菌帶你盤點過去一周ai大事件!
新聞
人工智能和深度學習的局限性
來源:
www.wired.com
連結:
https://www.wired.com/story/greedy-brittle-opaque-and-shallow-the-downsides-to-deep-learning
深度學習的進步是模式識别的産物:神經網絡記住事物的類别,并在下次遇到它們時,或多或少地能夠可靠地識别它們。但是大多數有趣的問題根本不是分類問題。
lightmatter目标通過光子計算和1100萬美元的資金重新發明人工智能晶片
techcrunch.com
https://techcrunch.com/2018/02/05/lightmatter-aims-to-reinvent-ai-specific-chips-with-photonic-computing-and-11m-in-funding/
lightmatter是一家建立光子晶片的公司,它主要以光速進行計算。它直接與gpu制造商和定制的深度學習晶片競争。
paige.ai斥資2500萬美元将機器學習帶入癌症病理學
https://techcrunch.com/2018/02/05/paige-ai-nabs-25m-inks-ip-deal-with-sloan-kettering-to-bring-machine-learning-to-cancer-pathology/
paige.ai病理學ai引導,已經在a輪融資中獲得了2500萬美元,用于建構一個幫助了解癌症病理的系統。它擁有2500萬份病理幻燈片以及與計算病理相關的知識産權。
文章&教程
熵,交叉熵和kl-散度簡介
youtu.be
https://youtu.be/erfnhcev1o8
熵,交叉熵和kl-散度經常用于機器學習,特别是用于訓練分類器。在這個簡短的視訊中,您将了解他們來自哪裡以及我們為什麼在ml中使用它們。
impala:dmlab-30中的可擴充分布式深度rl
deepmind.com
https://deepmind.com/blog/impala-scalable-distributed-deeprl-dmlab-30/
deep reinforcement learning在一系列任務中取得了顯著成功,從機器人技術的連續控制問題到圍棋和atari等遊戲。迄今為止,在這些領域所取得的進展僅限于個别任務,其中為每項任務調整和教育訓練了獨立的代理。在這項工作中,研究人員探索在教育訓練同一代理完成多個任務上挑戰。
發現實體消歧的類型(openai)
blog.openai.com
https://blog.openai.com/discovering-types-for-entity-disambiguation/
通過讓神經網絡決定該單詞是否屬于大約100個自動出現的“類型”的一個的系統,用于自動計算出單詞指的是哪個對象。
學習與強化學習交流入門
www.wildml.com
http://www.wildml.com/2018/02/introduction-to-learning-to-trade-with-reinforcement-learning/
深度學習學術研究界在很大程度上離金融市場比較遠。在這篇文章中,我認為教育訓練強化學習代理在金融和加密貨币市場進行交易可能是一個非常有趣的研究問題。
代碼,項目&資料
line:解釋任何機器學習分類器的預測
github.com
https://github.com/marcotcr/lime
這個項目是關于解釋機器學習模型在做什麼。它目前支援解釋對表格或圖像起作用的文本分類器和分類器的單獨預測。
視訊連結:
https://www.youtube.com/watch?v=hunrcxnydcc
dmlab-30環境
連結:https://github.com/deepmind/lab/tree/mater/game_scripts/levels/contributed/dmlab30
dmlab-30是為deepmind lab設計的一組環境。這些環境使研究人員能夠單獨或在多任務設定中為大量有趣的任務開發代理。目前已釋出28個級别。
在google表格中建構深度神經網絡
towardsdatascience.com
https://towardsdatascience.com/building-a-deep-neural-net-in-google-sheets-49cdaf466da0
在google表格中實作卷積神經網絡。網絡将手寫數字分類,直覺了解cnn過濾器如何工作的好方法。
tensorflow 1.6.0(rc0)釋出
https://github.com/tensorflow/tensorflow/releases/tag/v1.6.0-rc0
新功能包括從estimators中導出已删除的savedmodels,并将新增的fft支援添加到xla cpu / gpu中。
【今日機器學習概念】
have a great definition
情人節禮包,請查收
四個月,手把手帶你走完資料科學全流程!
直擊2018暑期實習和秋招,幫你收割機器學習/自然語言處理/推薦系統排序/資料分析offer!
情人節期間直降800元!每天限額8名!送給親愛的自己和心愛的ta
志願者介紹
回複“志願者”加入我們