爱可可老师24小时热门分享(2019.3.19)

No 1. 《机器学习基石》
No 2. 【少有人用但很有用的Python模块】
No 3. 改变世界的17个公式
No 4. 【陈蕴侬“应用深度学习”2019(国语)】
No 5. 【深度学习向导:基于PyTorch的深度学习/深度强化学习教程】
No 6. 【理解神经网络:丛神经元到RNN、CNN、深度学习】
No 7. 【用口袋妖怪解释渐近分析:对复杂性分析的深入探讨】
No 8. 【将涂鸦生成逼真照片:空间自适应归一化语义图像合成】
No 9. 《PifPaf: Composite Fields for Human Pose Estimation》
No 10. 《Fast LSTMs in PyTorch》
No 11. 【《深度学习》各章摘要(Jupyter Notebooks)】
No 12. 【JavaScript开发者阅读清单】
No 13. 【计算机体系结构新黄金时代:历史、挑战和机遇】
No 14. 【科技论文写作最佳实践&技巧与提示】
No 15. 【离散数学入门】
No 16. 低效之人只会幻想好结果;高效之人会优化过程寻求好结果。
No 17. 【Kaldi实时语音识别3500x加速:转录一整天的音频仅需25秒】
No 18. 【AI未来说!最前沿的AI青年论坛第三期(计算机视觉专场)】
No 19. 【Python可扩展贝叶斯优化库】
No 20. 递归 [笑cry] src:http://t.cn/ExfnsSw ​
No 21. 【spaCy v2.1发布:ULMFit/BERT/ELMo类预训练语言模型、更好的匹配/规则NER、独立于平台的矩阵乘法、词条化提速2-3倍、无需本地编译器即可安装】
No 22. 【machina:基于PyTorch的深度强化学习框架】
No 23. 【为什么要成为数据科学家,你首先要做个通才?】
No 24. 【深度学习超参微调技术】
No 25. 晚安~ [月亮]
No 26. 《红楼梦》
No 27. 'DeepSpeechRecognition – A Chinese Deep Speech Rec…
No 28. 【用Retina Net在航拍森林照片里搜索失踪游客】
No 29. 早![太阳] ​
No 30. 【(PyTorch)CRNN不定长中文字符识别】
No 31. 【机器如何像动物和人类一样学习?】
No 32. 《SPADE: Semantic Image Synthesis with Spatially-Adaptive Normalization》
No 33. 《如何看待 2019 年 CS PhD 现扎堆申请且大部分为 AI 方向?未来几年 AI 泡沫会破裂吗? – 知乎》
No 34. 《Improving Neural Architecture Search Image Classifiers via Ensemble Learning》
No 35. 【情感分析相关资源大列表】
No 36. 【可视化小游戏开发App(w/ visual scripting and voxel editor)】
No 37. 【利用BERT进行文本生成任务是一种什么样的体验】
No 38. 《自制AI图像搜索引擎》
No 39. 《Multimodal Deep Learning for Finance: Integrating and Forecasting International Stock Markets》
No 40. 很逼真了…… http://t.cn/EM6pdrd ​
No 41. 【MLJ.jl:Julia机器学习框架】
No 42. 【基于Feature Pyramid Network的单图深度估计】
No 43. 《Markov-chain-inspired search for MH370》
No 44. 《colorspace: A Toolbox for Manipulating and Assessing Colors and Palettes》
No 45. 磁通钉扎(flux pinning)效应允许某些超导体稳定地悬浮在永磁体的上方(和下方) http:…
No 46. 【技术面试中如何向面试官提问】
No 47. 【助你效率大增的21个Bash命令】
No 48. 《SceneCode: Monocular Dense Semantic Reconstruction using Learned Encoded Scene Representation》
No 49. 《On Evaluation of Adversarial Perturbations for Sequence-to-Sequence Models》
No 50. 《SemEval-2019 Task 6: Offensive Language Analysis using Deep Learning Architecture》

爱可可老师24小时热门分享(2019.3.18)

No 1. 全靠try….catch了 [偷笑] ​
No 2. 【专注于TensorFlow & Scikit-Learn的机器学习完整学习路径】
No 3. 【深度学习超参微调技术】
No 4. 【李宏毅机器学习2019(国语)】
No 5. 【北大毕业论文LaTeX模板】
No 6. 【15个最常见的数据谬误/偏见】
No 7. 【陈蕴侬“应用深度学习”2019(国语)】
No 8. 《如何看待 2019 年 CS PhD 现扎堆申请且大部分为 AI 方向?未来几年 AI 泡沫会破裂吗? – 知乎》
No 9. 【数据工程师和数据科学家有什么不同】
No 10. 【时序嵌套交叉验证】
No 11. 【Web/移动端的深度学习模型部署】
No 12. 【深度学习课程实践项目集】
No 13. 《Adversarial Personalized Ranking for Recommendation》
No 14. 【Google’s Edge TPU解析:What? How? Why?】
No 15. 《Light on Math ML: Attention with Keras》
No 16. 【技术面试中如何向面试官提问】
No 17. 《Unsupervised Network Embedding for Graph Visualization, Clustering and Classification》
No 18. 【专业技能被过度高估,更多注意你的态度——人际关系技巧是长远成功的关键】
No 19. 【深度学习向导:基于PyTorch的深度学习/深度强化学习教程】
No 20. 《自制AI图像搜索引擎》
No 21. 晚安~ [月亮] http://t.cn/Ex4lNCM ​
No 22. 递归 [笑cry] src:http://t.cn/ExfnsSw ​
No 24. 《Low-rank Kernel Learning for Graph-based Clustering》
No 25. 《PifPaf: Composite Fields for Human Pose Estimation》
No 26. 【JavaScript开发者阅读清单】
No 27. 【助你效率大增的21个Bash命令】
No 28. 'DeepLabv3.pytorch – PyTorch implementation of Dee…
No 29. “我们无法选择我们的缺点,它们也是我们的一部分,然而我们必须适应它们。然而我们能选择我们的朋友。我很高兴选择了你……你的人行道像我一样,但是大概没有我这么多裂缝。令人欣慰的是有朝一日我们的人行道会相交,我们可以分享同一罐炼乳。你是我最好的朋友,也是我唯一的朋友”
No 30. 早![太阳] ​
No 31. 《大话数据分析——Tableau数据可视化实战》
No 32. 《Diagnosing and Enhancing VAE Models》
No 33. 《Reinforcement Learning with Dynamic Boltzmann Softmax Updates》
No 34. iPhone X上的实时SLAM图效果
No 35. 《Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification from the Bottom Up》
No 36. 【(Matplotlib)数据科学家可视化进阶】
No 37. 《Deep Reinforcement Learning with Feedback-based Exploration》
No 38. 《智能问答》
No 39. 很逼真了…… http://t.cn/EM6pdrd ​
No 40. 《Bayesian Allocation Model: Inference by Sequential Monte Carlo for Nonnegative Tensor Factorizations and Topic Models using Polya Urns》
No 41. 【用Retina Net在航拍森林照片里搜索失踪游客】
No 42. 【神经网络调试清单】
No 43. 《Unsupervised Learning of Probabilistic Diffeomorphic Registration for Images and Surfaces》
No 44. 《Predicting Research Trends From Arxiv》
No 45. 【统计学与机器学习】
No 46. 【可视化小游戏开发App(w/ visual scripting and voxel editor)】
No 47. 《Hair Segmentation on Time-of-Flight RGBD Images》
No 48. 医疗新科技:可以代替“缝针”
No 49. 《Sim-to-(Multi)-Real: Transfer of Low-Level Robust Control Policies to Multiple Quadrotors》
No 50. 《Dense Classification and Implanting for Few-Shot Learning》

爱可可老师24小时热门分享(2019.3.17)

No 1. 科学 vs. 工程
No 2. Wi-Fi信号在建筑物内的传播 http://t.cn/ExAmXvU ​…
No 3. 'python爬虫例子:淘宝模拟登录,淘宝商品爬虫,淘宝我已购买的宝贝爬虫,天猫商品爬虫,每天不同时…
No 4. 【李宏毅机器学习2019(国语)】
No 5. 【(Matplotlib)数据科学家可视化进阶】
No 6. “不准备就没法教课的教授讲的课,不听也罢。人们应该只教那些怀有好奇、有所体验、融会把握的东西……否则不如换个工作。”
No 7. iPhone X上的实时SLAM图效果
No 8. 《自学是门手艺》
No 9. 【专注于TensorFlow & Scikit-Learn的机器学习完整学习路径】
No 10. [good]
No 11. 【词嵌入与矩阵分解的统一】
No 12. 【深度学习入门之(Keras)迁移学习】
No 13. GIT MERGE [笑cry] http://t.cn/ExZqBvp ​
No 14. 【神经网络调试清单】
No 15. 《A Three-Player GAN: Generating Hard Samples To Improve Classification Networks》
No 16. 【TensorFlow.js文本分类:浏览器里的攻击性语言检测】
No 17. 'Implementation of Transformer Model in Tensorflow…
No 18. 【北大毕业论文LaTeX模板】
No 19. 早![太阳] ​
No 20. “我们无法选择我们的缺点,它们也是我们的一部分,然而我们必须适应它们。然而我们能选择我们的朋友。我很高兴选择了你……你的人行道像我一样,但是大概没有我这么多裂缝。令人欣慰的是有朝一日我们的人行道会相交,我们可以分享同一罐炼乳。你是我最好的朋友,也是我唯一的朋友”
No 21. 每个奇数都可以写成两个平方数的差。譬如5=3²-2²。用图像看一目了然: …
No 22. 【书稿(进行中):《机器学习原理》】
No 23. 【语言表示工具集:BERT & ERNIE】
No 24. 如何给老师发电子邮件求助?(2019版) 聂辉华 第一,切忌写信不写…
No 25. 我们这代人童年的味道
No 26. 如何给老师发电子邮件求助//如何给老师发电子邮件求助?(2019版) 聂辉华 …
No 27. 【撰写可发表文章的艺术与科学:成功的六个关键】
No 28. 【15个最常见的数据谬误/偏见】
No 30. 很逼真了…… http://t.cn/EM6pdrd ​
No 31. 'MANO layer for PyTorch, generating hand meshes as…
No 32. 《To Tune or Not to Tune? Adapting Pretrained Representations to Diverse Tasks》
No 33. 《Bidirectional Attentive Memory Networks for Question Answering over Knowledge Bases》
No 34. 【时序嵌套交叉验证】
No 35. 【统计学与机器学习】
No 36. 【专业技能被过度高估,更多注意你的态度——人际关系技巧是长远成功的关键】
No 37. 《Generative Graph Convolutional Network for Growing Graphs》
No 38. 【可扩展深度学习工作流新框架:Google’s GPipe & DeepMind’s TF-Replicator】
No 39. 《SR-LSTM: State Refinement for LSTM towards Pedestrian Trajectory Prediction》
No 40. 《MinAtar: An Atari-inspired Testbed for More Efficient Reinforcement Learning Experiments》
No 41. 晚安~ [月亮] http://t.cn/ExZ0was ​
No 42. 单位很重要 ​
No 43. 全靠try….catch了 [偷笑] ​
No 44. 【机器学习部署:用Flask、Docker、Jenkins十分钟部署机器学习模型】
No 45. 不备没法讲(内容现学现卖) 和 不备就能讲(形式敷衍了事) 都不对,原Po说的更多是前者;备课更多是种态度,只有融会理解内化了的东西才能“娓娓道来”
No 46. 挑选10部科幻电影,手绘涵盖宇宙空间、物理、超级计算、物端计算、人工智能、大数据、芯片、生物信息、机…
No 47. 【深度学习课程实践项目集】
No 48. 《大话数据分析——Tableau数据可视化实战》
No 49. “开心”
No 50. 【Google’s Edge TPU解析:What? How? Why?】

爱可可老师24小时热门分享(2019.3.16)

No 1. 【机器学习部署:用Flask、Docker、Jenkins十分钟部署机器学习模型】
No 2. 找工作之前,问问你的雇主手里有没有数据。要是没有,你还要干好多数据工程师的活;再问问他们是否会用这些…
No 3. 科学 vs. 工程
No 4. 【人脸相关算法、数据集、文献资源大列表】
No 5. 【深度学习NLP的未来】
No 6. 'python爬虫例子:淘宝模拟登录,淘宝商品爬虫,淘宝我已购买的宝贝爬虫,天猫商品爬虫,每天不同时…
No 7. 【如何用开源卫星数据写调查报告】
No 8. 【NoSQL入门:文档数据库、键值数据库、图数据库】
No 9. 《自学是门手艺》
No 10. 【PyTorch实现的Detectron目标检测】
No 11. 【新书草稿:机器学习数学基础】
No 12. 《Distributed Prioritized Experience Replay》
No 13. 早![太阳] ​
No 14. [good]
No 15. 【深度特征提取不可思议的有效性】
No 16. 有人说:“做更大的蒸汽机,烧和更多的炭,是打造更快火车的最佳方法”
No 17. 晚安~ [月亮] http://t.cn/EMk1MdM ​
No 18. 《大话数据分析——Tableau数据可视化实战》
No 19. Google地图新增加的AR导航 👏 http://t.cn/EMdO9He ​…
No 20. 每个奇数都可以写成两个平方数的差。譬如5=3²-2²。用图像看一目了然: …
No 21. 'Implementation of Transformer Model in Tensorflow…
No 22. 'TensorFlow CMake/C++ Collection – TensorFlow exam…
No 23. 很逼真了…… http://t.cn/EM6pdrd ​
No 24. 【基于深度学习的机车转向架缺陷识别】
No 25. #AI 看不懂# ​
No 26. 【知识图谱深度学习】
No 27. 【Snorkel Drybell:将现有的组织知识用作弱监督,以快速标记大型训练数据集】
No 28. 《Learning to Reconstruct People in Clothing from a Single RGB Camera》
No 29. 我们这代人童年的味道,暖
No 30. 【语言表示工具集:BERT & ERNIE】
No 31. 《Numerical Optimal Transportand its Applications》
No 32. 【Facebook未来机器学习平台揭秘】
No 33. 【黑盒超参数优化器】
No 34. “2019语言与智能技术竞赛”
No 35. 'MANO layer for PyTorch, generating hand meshes as…
No 36. 如何给老师发电子邮件求助?(2019版) 聂辉华 第一,切忌写信不写…
No 37. 抽空梳理了一篇研究论文的常规结构,未必适用于所有研究领域,仅供参考,欢迎讨论! …
No 38. 《Functional Variational Bayesian Neural Networks》
No 39. 《自制AI图像搜索引擎》
No 40. GIT MERGE [笑cry] http://t.cn/ExZqBvp ​
No 41. 如何给老师发电子邮件求助//如何给老师发电子邮件求助?(2019版) 聂辉华 …
No 42. 《MinAtar: An Atari-inspired Testbed for More Efficient Reinforcement Learning Experiments》
No 43. 《To Tune or Not to Tune? Adapting Pretrained Representations to Diverse Tasks》
No 44. 研究论文的常规结构
No 45. 【可扩展深度学习工作流新框架:Google’s GPipe & DeepMind’s TF-Replicator】
No 46. 《Improving Prostate Cancer Detection with Breast Histopathology Images》
No 47. 【(从AI发展中得来的)痛苦的教训】
No 48. 《MirrorGAN: Learning Text-to-image Generation by Redescription》
No 49. 【能用R语言实现的十件也许会让你惊讶的事】
No 50. 《Aesthetics of Neural Network Art》

爱可可老师一周论文精选(2019.3.16)

No 1. 《A Mean Field Theory of Batch Normalization》
No 2. 《Gradient Descent based Optimization Algorithms for Deep Learning Models Training》
No 3. 《Efficient Parameter-free Clustering Using First Neighbor Relations》
No 4. 《Deep CNN-based Multi-task Learning for Open-Set Recognition》
No 5. 《Theory III: Dynamics and Generalization in Deep Networks》
No 6. 《Financial Applications of Gaussian Processes and Bayesian Optimization》
No 7. 《Graph Colouring Meets Deep Learning: Effective Graph Neural Network Models for Combinatorial Problems》
No 8. 《GanDef: A GAN based Adversarial Training Defense for Neural Network Classifier》
No 9. 《Hierarchical Autoregressive Image Models with Auxiliary Decoders》
No 10. 《The Evolved Transformer》
No 11. 《Ranked List Loss for Deep Metric Learning》
No 12. 《Sliced Wasserstein Discrepancy for Unsupervised Domain Adaptation》
No 13. 《When random search is not enough: Sample-Efficient and Noise-Robust Blackbox Optimization of RL Policies》
No 14. 《Learning deep neural networks in blind deblurring framework》
No 15. 《Neural Language Modeling with Visual Features》
No 16. 《Graph-RISE: Graph-Regularized Image Semantic Embedding》
No 17. 《Why Learning of Large-Scale Neural Networks Behaves Like Convex Optimization》
No 18. 《Discovering Visual Patterns in Art Collections with Spatially-consistent Feature Learning》
No 19. 《A Survey on Graph Processing Accelerators: Challenges and Opportunities》
No 20. 《3DN: 3D Deformation Network》
No 21. 《The principles of adaptation in organisms and machines I: machine learning, information theory, and thermodynamics》
No 22. 《A Machine Learning Dataset Prepared From the NASA Solar Dynamics Observatory Mission》
No 23. 《Anatomical Priors in Convolutional Networks for Unsupervised Biomedical Segmentation》
No 24. 《Unsupervised Domain Adaptation using Feature-Whitening and Consensus Loss》
No 25. 《Deep Embeddings for Rare Audio Event Detection With Imbalanced Data》
No 26. 《GCNv2: Efficient Correspondence Prediction for Real-Time SLAM》
No 27. 《RGBD Based Dimensional Decomposition Residual Network for 3D Semantic Scene Completion》
No 28. 《Context-Aware Learning for Neural Machine Translation》
No 29. 《PanopticFusion: Online Volumetric Semantic Mapping at the Level of Stuff and Things》
No 30. 《RVOS: End-to-End Recurrent Network for Video Object Segmentation》

爱可可老师一周热门分享(2019.3.16)

No 1. 引言到底该怎么写,我最近在论文里看到最好的结构,是简短的四段式:领域背景 – 最先进水平、有什么问题…
No 2. 日本的单轨铁路枢纽 [good] http://t.cn/EceK5e2 ​…
No 3. 《Python编程:从数据分析到数据科学》
No 4. 【(2019)斯坦福CS224n深度学习自然语言处理课程(已开放视频)】
No 5. 《大话数据分析——Tableau数据可视化实战》
No 6. 【知识图谱深度学习】
No 7. 《自制AI图像搜索引擎》
No 8. 《智能问答》
No 9. 【用LaTeX绘制贝叶斯网络、图模型和框架】
No 10. 糟糕的坚持:没完没了的重复一无所成。好的坚持:不断调整方法直到收获结果。
No 11. 有些网站禁止未登陆用户访问,但会对搜索引擎开绿灯。开绿灯的方式有可能只是简单地判断 User Age…
No 12. Google地图新增加的AR导航 👏 http://t.cn/EMdO9He ​…
No 13. 冰葡萄+冷水 ❄️ http://t.cn/EVzMOIK ​
No 14. 【数据科学速查:概率、统计学、统计学习、机器学习、深度学习、大数据框架、SQL】
No 15. 磁场从未如此直观 http://t.cn/EM4QKux ​
No 16. 【Transformers原理解析】
No 17. ‘Chrome插件英雄榜, 为优秀的Chrome插件写一本中文说明书, 让Chrome插件英雄们造福…
No 18. 【用OpenCV实现活体检测】
No 19. #AI 看不懂# ​
No 20. 【十个步骤让Python项目迈向成功:如何添加测试、CI、代码覆盖率等】
No 21. 《自然语言处理实践:聊天机器人技术原理与应用》
No 22. 在iOS设备本地运行Jupyter notebooks
No 23. 【贝叶斯网络入门】
No 24. 【开源notebooks,基于深度学习,在无人机/航空影像上实现最先进的建筑物检测、分割和分类】
No 25. 【AUC深入解析与应用】
No 26. 【新书:《Python无监督学习实战:用未标记数据构建实用机器学习解决方案》】
No 27. 找工作之前,问问你的雇主手里有没有数据。要是没有,你还要干好多数据工程师的活;再问问他们是否会用这些…
No 28. 小时候的我 vs. 长大的我 ​
No 29. 【用(Keras)20行代码实现的YOLOv2目标检测】
No 30. 【TensorFlow 2.0 + Keras深度学习研究需要了解的一切】
No 31. 【写好论文引言:简单五段式实践指南】
No 32. 【提供黑白照片自动上色服务的网站】
No 33. 【新书:用Python解决经典计算机科学问题】
No 34. 【轻松直接开始数据可视化的10个免费工具】
No 35. 【简单完整的BERT实现】
No 36. 【NLP学习系列文章】
No 37. 【“全栈”数据科学项目】
No 38. 【写作之法:好文章就是反复重写后的烂文章】
No 39. 【张量详解】
No 40. Google Cloud Vision怎么看“兔鸭图”
No 41. 抽空梳理了一篇研究论文的常规结构,未必适用于所有研究领域,仅供参考,欢迎讨论! …
No 42. 医疗新科技:可以代替“缝针”
No 43. 【人脸相关算法、数据集、文献资源大列表】
No 44. 研究论文的常规结构
No 45. 【流形详解】
No 46. 【Jupyter交互可视化:ipywidgets、qgrid、altair】
No 47. 【微软人工智能教育与学习共建社区】
No 48. 很逼真了…… http://t.cn/EM6pdrd ​
No 49. 共勉~ [思考] ​
No 50. 【字符级NLP(综述)】

爱可可老师24小时热门分享(2019.3.15)

No 1. 【知识图谱深度学习】
No 2. 《大话数据分析——Tableau数据可视化实战》
No 3. 【用LaTeX绘制贝叶斯网络、图模型和框架】
No 4. Google地图新增加的AR导航 👏 http://t.cn/EMdO9He ​…
No 5. 【用(Keras)20行代码实现的YOLOv2目标检测】
No 6. #AI 看不懂# ​
No 7. 找工作之前,问问你的雇主手里有没有数据。要是没有,你还要干好多数据工程师的活;再问问他们是否会用这些…
No 8. 小时候的我 vs. 长大的我 ​
No 9. 【写好论文引言:简单五段式实践指南】
No 10. 【简单完整的BERT实现】
No 11. 【轻松直接开始数据可视化的10个免费工具】
No 12. 抽空梳理了一篇研究论文的常规结构,未必适用于所有研究领域,仅供参考,欢迎讨论! …
No 13. 研究论文的常规结构
No 14. 《Learning Deep Compositional Grammatical Architectures for Visual Recognition》
No 15. 【NLP研究基础:如何找到问题和回答问题】
No 16. 【神经网络信息检索(综述)】
No 17. 【Python Pandas十个提高工作效率的小技巧】
No 18. [偷笑] ​
No 19. 《求通俗解释下bandit老虎机到底是个什么东西? – 知乎》
No 20. 摔不倒的电单车 🏍 http://t.cn/EMuCaLC ​
No 21. 【(2019)斯坦福CS224n深度学习自然语言处理课程(已开放视频)】
No 22. 【人脸相关算法、数据集、文献资源大列表】
No 23. 【能用R语言实现的十件也许会让你惊讶的事】
No 24. 【状态空间模型贝叶斯学习与推理】
No 25. 【你应该了解的20大AI/机器学习API】
No 26. 【NLP学习系列文章】
No 27. 单元测试不为验证新功能能否正确运行,而是作为一种维护工具,让你可以放心地进行更改,在未来不可预见的情…
No 28. 早![太阳] ​
No 29. #今日发呆专用# http://t.cn/EMdWG2J ​
No 30. 【对话AI的神经网络方法】
No 31. 【PyTorch实现的Detectron目标检测】
No 32. 晚安~ [月亮] http://t.cn/EM3vbwn ​
No 33. “(Colab)What's new with TensorBoard?”
No 34. 《智能问答》
No 35. 优雅的机械式音乐打字机 🎵 ​
No 36. 【量子空间机器学习:普通计算机可以通过比较数据的数学表示来执行机器学习,实验演示了量子计算如何用量子力学表示来执行】
No 37. 《自制AI图像搜索引擎》
No 38. [笑cry] ​
No 39. 【概率基本概念解析:贝叶斯推理参数估计】
No 40. [笑而不语]
No 41. 很逼真了…… http://t.cn/EM6pdrd ​
No 42. 形状记忆聚合物具有高弹性,加热后能恢复到原来的形状 http://t.cn/EMutOtw ​…
No 43. 《Matrix factorization for multivariate time series analysis》
No 44. 《Deep Embeddings for Rare Audio Event Detection With Imbalanced Data》
No 45. 《Hyperspectral Data Augmentation》
No 46. 《RVOS: End-to-End Recurrent Network for Video Object Segmentation》
No 47. 《AutoML @ NeurIPS 2018 challenge: Design and Results》
No 48. 'TensorFlow CMake/C++ Collection – TensorFlow exam…
No 49. 医疗新科技:可以代替“缝针”
No 50. IPython、Jupyter一个鲜为人知的有用特性:属性名称的通配符补全,在结尾加?运行

13 岁女孩因发布 JavaScript 无限循环代码被捕;碾压 Python!为什么 Julia 速度这么快? – InfoQ每周精要579期

 中文站「每周精要」
NO.579
2019/03/17
碾压 Python!为什么 Julia 速度这么快?
语言开发
为什么要选择 Julia?因为它比其他脚本语言更快,它在具备 Python、MATLAB、R 语言开发速度的同时,又能生成与 C 语言和 Fortran 一样快的代码。
陆奇出任拼多多技术顾问委员会负责人
3 月 13 日,拼多多创始人、CEO 黄峥在财报电话会议上表示,拼多多将成立技术顾问委员会,百度前总裁陆奇领导相关工作。
13 岁女孩因发布 JavaScript 无限循环代码被捕
语言开发
这个所谓的恶意代码其实是一个恶作剧,它触发了 JavaScript 无限循环,在用户访问某个链接时显示“不可关闭”的弹出窗口。
波音 737 事故,软件化要不要“背锅”?
语言开发
两次惨痛空难后再看波音的软件化之路:它曾满载荣光,如今备受质疑。
30 年前他发明了万维网,现在他要颠覆互联网
被冠以“万维网之父”的人只想要拯救互联网,甚至推翻互联网。
取代 ZooKeeper!高并发下的分布式一致性开源组件 StateSynchronizer
架构
StateSynchronizer 特别适用于高并发 (>= 10000 clients) 的场景,并在此场景下可以作为替代 ZooKeeper 和 etcd 的解决方案。
张鑫旭:前端专业方向的尽头
前端
我发现了我的前端专业之路遇到了局限,前端专业方向看到了尽头。略带悲伤!但,放心,我并没有为此担忧。
携程再爆大数据杀熟,携程致歉信:程序 bug 已紧急修复,将赔偿用户
大数据
对于此次事件你怎么看?
CEO 和 CTO 没有本质的区别
CTO 如何跟 CEO 沟通是困扰着众多互联网公司技术负责人的老问题。
MongoDB 又不加密,8.09 亿条个人详细记录泄露
大数据
近日,安全研究员 Bob Diachenko 和 Vinny Troia 发现了一个没有密码保护的 MongoDB 数据库,其中包含有 150GB 数据,共 808539939 条记录。
告别规范化!MIT 谷歌等提出全新残差学习方法,效果惊艳
机器学习
近日,来自 MIT、谷歌大脑、斯坦福的三名研究人员提出了一项具有挑战性的工作,他们认为规范化的好处并不是唯一的。
本地 vs 云:大数据厮杀的最终幸存者会是谁?
云计算
一家企业什么时候会决定上云?
通过图片优化,我将网站大小减少了 62%
前端
图片是 Web 提供的最基本的一种内容类型。人们都说一张图片胜过千言万语。但如果你一不小心,它也可能占用你好几兆带宽。
京东 Vue 组件库 NutUI 2.0 发布:将支持跨平台!
前端
NutUI 是一套来自京东用户体验设计部(JDC)前端开发部的移动端 Vue 组件库,目前在京东至少有 30 多个 web 项目正在使用 NutUI。
40% 创业公司用伪 AI 忽悠钱,欧洲被 AI 时代抛弃了吗?
AI
风险投资公司 MMC 发表报告称,它们分析了 2830 家被归类为 AI 的欧洲创业公司,只有 1580 家公司符合其描述。
用 JEP 343 打包工具,构建自包含、可安装的 Java 应用程序
语言开发
OpenJDK 社区发布了JEP 343:打包工具的早期访问版本。
InfoQ 趋势报告:DevOps 和云计算
DevOps 云计算
nfoQ 编辑团队对 2019 年“云计算”和“DevOps”演进的看法,重点关注成为事实标准的平台和实践。
敲山震虎?继 MongoDB 之后,AWS 又对 Elasticsearch 下手了
大数据 开源
本周 AWS 宣布与 Expedia Group 和 Netflix 合作推出开源软件项目 Open Distro for Elasticsearch。
两年聚 37 亿美元,“庞氏骗局” 维卡币负责人在美被捕
区块链
近日,美国逮捕了一名 OneCoin 加密货币(即维卡币)的项目负责人——Konstantin Ignatov。据报道,该项目负责人 Konstantin Ignatov 因涉嫌网络欺诈被捕。
用 TCN 取代 RNN!李飞飞团队提出口语语音识别新方法
机器学习
近日,李飞飞团队与斯坦福大学音乐与声学计算机研究中心联合提出了基于时间卷积网络 TCN 的句子编码新方法。
全球区块链支出加速增长,2019 年预计将接近 29 亿美元
区块链
国际数据公司 IDC 刚刚发布了一份报告,报告显示:2019 年全球在区块链解决方案上的支出预计接近 29 亿美元,2022 年将达到 124 亿美元。

技术大会   CONFERENCE
QCon 北京:从高并发到极端并发:百度春晚红包的高可用实践
如丝般柔滑的极端并发系统怎么保障?海量服务治理、弹性架构、自愈与柔性架构、全链路压测与异常模拟攻防等等技术都要涉及。来听百度主任架构师吴永巍讲讲他们的实践思路
QCon 广州:阿里云 Ops 系统如何应对百万级复杂业务场景?
随着公有云规模的增大和业务复杂度的提升,规模化运维体系难度加大。当阿里云弹性计算遇到百万级复杂业务场景需求时,公有云稳定性如何保证?QCon 广州站邀请到阿里云高级技术专家郑旭东老师,深度解析 AIOps 实践过程。
ArchSummit 深圳:紧跟趋势——淘宝网反应式架构趟过的坑
反应式架构在淘宝初步落地之后,一些应用的性能提升了 50%+,RT 下降了 40%+。经历了 2018 年双 11 大规模流量的验证,2019 年初,回压也初步在淘宝的关键应用试点落地,一起来听听他们的一手经验。
GMTC:0.3 秒完成渲染!信息流内容展示页面“闪开”优化总结和思考
本演讲将通过从浏览器内核到客户端外壳、从服务端到前端等多端协作下所实现的日均 N 亿级 PV 页面“闪开”体验所采用的优化策略,及其背后技术策略的思考和选择。
GTLC:做技术管理很痛苦?来听听大佬们的实战经验
大环境对技术管理者要求越来越高,如何避免走弯路?不妨来 GTLC 全球技术领导力峰会听听大佬们的经历与经验。胡宁、许式伟、季昕华、快刀青衣、项碧波、陆栋栋喊你一起来交流。

极客时间App   GEEK TIME APP
既然“算法”这个坎,我们总归要跨过去,为什么不是现在呢?
“虽然算法很难,需要智商,但我还是想鼓励你,这其中是有很多的套路是可以学习的,一旦学会这些套路,你会受益无穷的。”——陈皓 | 左耳听风。加入我们,1 个月提升你的算法内功。

活动推荐   POPULAR EVENTS
如何玩转智能黑科技?AI “五剑客”为你探路
人脸识别在应用上的安全性如何保证?AI 算法如何与硬件结合?3 月 23 日(周六)北京,来自腾讯 & 英特尔的 AI 大咖就将携成功案例,带你玩转人工智能黑科技。
选择合适的工具让“量变”引起“质变”
如果你有 2 个用户,也许你会用电话沟通;如果你有 1024 个用户,也许你会建群来管理……如果你有 1048576 个用户,再来 20 个业务场景,你又当如何?SendCloud 专业的触发邮件平台,助你搭建立体式用户互动场景。
感谢您订阅每周精要。InfoQ中文站每周日针对会员发送每周内容精要邮件。
别人转发给你的邮件?现在注册获取您自己的 InfoQ每周精要邮件吧
InfoQ微博:@InfoQ
InfoQ微信:infoqchina
InfoQ手机客户端:极客时间

爱可可老师24小时热门分享(2019.3.14)

No 1. 【(2019)斯坦福CS224n深度学习自然语言处理课程(已开放视频)】
No 2. 【用LaTeX绘制贝叶斯网络、图模型和框架】
No 3. 【微软人工智能教育与学习共建社区】
No 4. 《Multi-Task Deep Neural Networks for Natural Language Understanding》
No 5. 【用(Keras)20行代码实现的YOLOv2目标检测】
No 6. 【NLP学习系列文章】
No 7. 【概率基本概念解析:贝叶斯推理参数估计】
No 8. 【简单完整的BERT实现】
No 9. 单手(单指)表情秀“EmoJoystick”
No 10. 《Theory III: Dynamics and Generalization in Deep Networks》
No 11. 小时候的我 vs. 长大的我 ​
No 12. 很棒的图。1990年以来,计算机、数据库和互联网的使用,本该让医院管理人员成本大大降低。可恰恰相反,…
No 13. 【基于semanticscholar.org开放数据集的关键词高引论文查询引擎】
No 14. 【Jupyter交互可视化:ipywidgets、qgrid、altair】
No 15. 晚安~ [月亮] ​
No 16. 【新书:用Python解决经典计算机科学问题】
No 17. 【人脸识别“肮脏小秘密”:数百万张网上照片未经同意被抓取使用——法律专家说,人们的脸在没有征得许可的情况下被使用,最终可能用来监视他们】
No 18. IPython、Jupyter一个鲜为人知的有用特性:属性名称的通配符补全,在结尾加?运行
No 19. 《Regression with Probabilistic Layers in TensorFlow Probability》
No 20. 《Financial Applications of Gaussian Processes and Bayesian Optimization》
No 21. 【流形详解】
No 22. 《Learning Deep Compositional Grammatical Architectures for Visual Recognition》
No 23. 时尚GANs
No 24. 早![太阳] ​
No 25. 《Graph Colouring Meets Deep Learning: Effective Graph Neural Network Models for Combinatorial Problems》
No 26. 《Hierarchical Autoregressive Image Models with Auxiliary Decoders》
No 27. 【张量详解】
No 28. 《求通俗解释下bandit老虎机到底是个什么东西? – 知乎》
No 29. 【硅谷AI发展简史】
No 30. [笑cry] ​
No 31. 【状态空间模型贝叶斯学习与推理】
No 32. 《The Evolved Transformer》
No 33. 近半年我的研究一直关注在场景的结构化理解上,阅读整理这个领域的相关文献,在github上面建了个aw…
No 34. “Awesome Scene Understanding”
No 35. 【高斯混合模型(GMM):用无监督学习理解文本数据】
No 36. 度量前缀完整版:yotta [Y] 1000000000000000000000000 zett…
No 37. 'GPU Sharing Scheduler for Kubernetes Cluster' by …
No 38. 《A Machine Learning Dataset Prepared From the NASA Solar Dynamics Observatory Mission》
No 39. 《Context-Aware Learning for Neural Machine Translation》
No 40. 可以用SGD训练大型参数模型,来处理任意复杂任务。问题是,要想达到好效果,得在学习的输入/输出空间上…
No 41. 《Elements of Sequential Monte Carlo》
No 42. 优雅的机械式音乐打字机 🎵 ​
No 43. 《Introducing Wav2latter++》
No 44. 【用辅助任务(Auxiliary Tasks)改善机器学习】
No 45. 摔不倒的电单车 🏍 http://t.cn/EMuCaLC ​
No 46. 《智能问答》
No 47. 'Submariner – Connect all your Kubernetes clusters…
No 48. 【Spacenet 4航拍建筑物识别比赛前十经验分享】
No 49. “科学家,在夸大申请资助方面训练有素,如今找到了更好的客户:风险投资人。这些家伙喜欢听彻底颠覆一切的故事,他们比政府资助机构更能听得进废话,NIPS会上发表一篇论文比什么尽职调查都强……那些政府资助机构也成为AI虚假承诺的受害者,最终导致投资冻结,俗称AI‘寒冬’”
No 50. 《The Evolved Transformer – Enhancing Transformer with Neural Architecture Search》

爱可可老师24小时热门分享(2019.3.13)

No 1. 【用OpenCV实现活体检测】
No 2. 《自制AI图像搜索引擎》
No 3. 【TensorFlow 2.0 + Keras深度学习研究需要了解的一切】
No 4. 《智能问答》
No 5. 【新书:用Python解决经典计算机科学问题】
No 6. 【“全栈”数据科学项目】
No 7. 【张量详解】
No 8. 【流形详解】
No 9. 【Jupyter交互可视化:ipywidgets、qgrid、altair】
No 10. 【基于PyTorch的轻量2D姿态估计框架】
No 11. 【高斯混合模型(GMM):用无监督学习理解文本数据】
No 12. 【(2019)斯坦福CS224n深度学习自然语言处理课程(已开放视频)】
No 13. 【基于RNN transducer (RNN-T)的全神经网络设备端语音识别】
No 14. 【gpustat的web界面:监测GPU集群节点负载状态】
No 15. 晚安~
No 16. 【基于神经网络的人名提取与跟踪】
No 17. 《Gradient Descent based Optimization Algorithms for Deep Learning Models Training》
No 18. 【更快、更高效的神经网络验证方法】
No 19. 【Python高性能双向映射字典包】
No 20. 《Deep One-Class Classification(Deep SVDD)》
No 21. 【通过构建实际应用掌握Python】
No 22. 【基于Keras的实体嵌入工具库】
No 23. 【微软人工智能教育与学习共建社区】
No 24. 早![太阳] ​
No 25. 《Multi-Task Deep Neural Networks for Natural Language Understanding》
No 26. 【Spacenet 4航拍建筑物识别比赛前十经验分享】
No 27. 可以用SGD训练大型参数模型,来处理任意复杂任务。问题是,要想达到好效果,得在学习的输入/输出空间上…
No 28. 【字符级NLP(综述)】
No 29. 【AI会决定摄影的未来吗?】
No 30. 【用辅助任务(Auxiliary Tasks)改善机器学习】
No 31. 【BERT/TF Hub电影评论情感预测】
No 32. 《Sliced Wasserstein Discrepancy for Unsupervised Domain Adaptation》
No 33. 【如何应对规模日益增长的深度学习】
No 34. 【高效绘制TensorBoard图】
No 35. 【Curv:用数学创作艺术的编程语言。它是一个2D/3D几何建模工具,支持全彩、动画、3D打印】
No 36. 【机器生成文本判别:对输入文本进行基于语言模型的(可预测性)可视化审查,以检测文本是真实的(人写的)还是假的(生成的)】
No 37. 【MIT课程:深度学习科学——理论与实践的桥梁】
No 38. 【写作之法:好文章就是反复重写后的烂文章】
No 39. 抽象与具象 http://t.cn/EVJzigp ​
No 40. 【Transformers原理解析】
No 41. 冰葡萄+冷水 ❄️ http://t.cn/EVzMOIK ​
No 42. 【提供黑白照片自动上色服务的网站】
No 43. 【基于semanticscholar.org开放数据集的关键词高引论文查询引擎】
No 44. “Awesome Scene Understanding”
No 45. 《Likelihood-free MCMC with Approximate Likelihood Ratios》
No 46. 【Jupyter数据试算表插件】
No 47. 'Hyperbolic (Poincare, Lorentz) Embeddings for Ten…
No 48. 很逼真了…… http://t.cn/EM6pdrd ​
No 49. 《解析深度学习:卷积神经网络原理与视觉实践》
No 50. 《爱可可老师24小时热门分享(2019.3.12)》