爱可可老师24小时热门分享(2018.11.13)

No 1. 【注意力的全面综述】
No 2. 理论 vs. 实践 ​
No 3. Dijkstra最短路径算法,用于在图结构中找到两节点间的最短路径,是Dijkstra 1956年花…
No 4. 所以学好物理很重要 [笑而不语] http://t.cn/EAHNdxQ ​…
No 5. 【希望在开始读博时就知道的20件事】
No 6. 【深度学习:信号处理与时序分析的突破口?】
No 7. 【OpenCV/YOLO目标检测】
No 8. 【博士论文:编解码器神经网络】
No 9. 【神经网络3D可视化】
No 10. 《分布式机器学习:算法、理论与实践》
No 11. 《Memory-Efficient Implementation of DenseNets》
No 12. 最佳现场(巴赫第一号无伴奏大提琴组曲) http://t.cn/EAnemzl ​…
No 13. 【Timsort:O(n log n)的超快排序算法】
No 14. 老图一张:设计 vs. 用户体验 ​
No 15. 【值得关注的(NLP)字节级seq2seq模型】
No 16. 【BERT的PyTorch实现,可加载Google的BERT预训练模型】
No 17. 现代人注意力的日常 😂 http://t.cn/EAYJHQS ​…
No 18. 【Jurafsky&Manning的经典自然语言处理课程(2012)】
No 19. 'Data competition Top Solution 数据竞赛Top解决方案开源整理' by…
No 20. 这伪装过分了 🍃🐛 http://t.cn/EAnWnaS ​…
No 21. 《Gradient Descent Finds Global Minima of Deep Neural Networks》
No 22. 【基于机器学习的免费音乐制作工具集Magenta Studio】
No 23. 【Python数据科学:容易被疏忽的8个概念】
No 24. 学习不是一场比赛,而是一段发现之旅。 ​​​…
No 25. 【2018.11 十大热门Python网文】
No 26. 《How to Review for CVPR》
No 27. 现如今的俄罗斯方块…… http://t.cn/EAH6LCB ​…
No 28. 换个视角看花样游泳 src:http://t.cn/EZfnUSA http://t.cn/EZf…
No 29. 阿根廷百年剧院改建的雅典人书店(El Ateneo) wiki:http://t.cn/EAnJcx…
No 30. 今日再免
No 31. 【今日限免:机器学习统计学】
No 32. 【可信机器学习】
No 33. 【用改写(Paraphrasing)提高问答系统和相关自然语言任务性能】
No 34. 【一张图,解释AI是什么】
No 35. 【拥有百万处理器的“人脑”超级计算机首次启动——采用SpiNNaker体系,目标是通过尖峰网络(Spiking Networks)模拟大脑生物神经元】
No 36. 记住,花几个小时各种试,能帮你省下看README的几分钟时间。
No 37. 给程序加点新feature~ http://t.cn/EA63Tao ​…
No 38. 晚安~
No 39. 《Large Scale GAN Training for High Fidelity Natural Image Synthesis | OpenReview》
No 40. 《EMNLP 2018 Thoughts and Notes》
No 41. '步行式滑板车' 🛴[笑而不语]
No 42. 'Z_knowledge_graph – 从零开始的知识图谱生活' by Pelhans GitHu…
No 43. 【基于BERT预训练模型的句子编码服务】
No 44. 早![太阳]
No 45. 《Neural Semi-supervised Learning under Domain Shift》
No 46. 自我成长是关键,高下短长少计较//学习不是一场比赛,而是一段发现之旅。 ​​​…
No 47. 《Neural Architecture Optimization》
No 48. 从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史(PPT文字解释版)<…
No 49. 信息图:秋叶缤纷的奥秘 ​
No 50. 【数据驱动健身:分析FitBit数据改善健康状况】

爱可可老师24小时热门分享(2018.11.12)

No 1. 《分布式机器学习:算法、理论与实践》
No 2. 记住,花几个小时各种试,能帮你省下看README的几分钟时间。
No 3. 学习不是一场比赛,而是一段发现之旅。 ​​​…
No 4. 【机器学习方法C++实现集锦】
No 5. 理论 vs. 实践 ​
No 6. 所有伟大的程序员,都是通过搞定他们不够格解决的问题来证明自己的。 – Patrick McKenzi…
No 7. 现代人注意力的日常 😂 http://t.cn/EAYJHQS ​…
No 8. 所以学好物理很重要 [笑而不语] http://t.cn/EAHNdxQ ​…
No 9. 机器学习算法评价与比较 src:http://t.cn/RQYcXu4
No 10. 晚安~ [月亮] ​
No 11. 【淋巴结切片病理图像数据集:机器学习模型新基准——比CIFAR10规模大,比imagenet规模小,可在单个GPU上训练】
No 12. 【不要低估聊天机器人的发展潜力:目前的问题在于夸大宣传抬高客户期待和NLP核心不成熟,未来智能对话机器人应该具备14个特性】
No 13. 【深度网络揭秘之改进优化器加速训练过程】
No 14. 【深度学习:信号处理与时序分析的突破口?】
No 15. 【高质量二维条码生成库】
No 16. 【数据科学(实战)模型集】
No 17. 从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史(PPT文字解释版)<…
No 18. 【斯坦福“深度生成模型”课程讲义】
No 19. 【PyTorch轻量seq2seq文本摘要】
No 20. 【如何写作:学术写作实践探究】
No 21. 【深度生成模型开发库(基于PyTorch)】
No 22. 《微软,Facebook上班是不是工资高还一天特闲? – 知乎》
No 23. 【Timsort:O(n log n)的超快排序算法】
No 24. 老图一张:设计 vs. 用户体验 ​
No 25. 自我成长是关键,高下短长少计较//学习不是一场比赛,而是一段发现之旅。 ​​​…
No 26. 【2018.11十大机器学习热门网文】
No 27. 信息图:色彩心理学 ​
No 28. 《Differentiable Monte Carlo Ray Tracing through Edge Sampling》
No 29. 【Jurafsky&Manning的经典自然语言处理课程(2012)】
No 30. 《Pixel Level Data Augmentation for Semantic Image Segmentation using Generative Adversarial Networks》
No 31. '从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史'…
No 32. 换个视角看花样游泳 src:http://t.cn/EZfnUSA http://t.cn/EZf…
No 33. 'Google帮助纽约时报对过去100多年来近700万张照进行数字化处理' src:http://t…
No 34. physicsfun:这玩具有点意思,想想能量是如何传递的 src:http://t.cn/EAY4…
No 35. 【PDF(文本)比较工具】
No 36. 【数据驱动健身:分析FitBit数据改善健康状况】
No 37. 渐行渐近的美人鱼 🧜‍♀️ ​
No 38. “美国移民主题Tweet数据集:涉及美国参议员、代表、州长、内阁成员、国务秘书和100多位国际领导人,推文总数超过200万,可追溯到2009年”
No 39. 《CariGANs: Unpaired Photo-to-Caricature Translation》
No 40. 《Stochastic Normalizations as Bayesian Learning》
No 41. 薛定谔盘子 [笑cry] ​
No 42. 【图嵌入、内容理解与自监督学习】
No 43. 《Building a Winning Self-Driving Car in Six Months》
No 44. 《Dial2Desc: End-to-end Dialogue Description Generation》
No 45. 《Memory-Efficient Implementation of DenseNets》
No 46. 【通过新的预测分析技术,加拿大汽车协会(CAA)表示将能够在发生故障之前将道路援救的卡车派到特定地点】
No 47. 现如今的俄罗斯方块…… http://t.cn/EAH6LCB ​…
No 48. 早![太阳] ​
No 49. [笑而不语] //
No 50. 25年前,第一款主流Web浏览器Mosaic 1.0发布 ref:http://t.cn/EAlSc…

爱可可老师24小时热门分享(2018.11.11)

No 1. 《分布式机器学习:算法、理论与实践》
No 2. 【斯坦福“深度生成模型”课程讲义】
No 3. 所有伟大的程序员,都是通过搞定他们不够格解决的问题来证明自己的。 – Patrick McKenzi…
No 4. 薛定谔盘子 [笑cry] ​
No 5. 【让Python的GUI图形界面创建变得更简单】
No 6. 《科研搞不出来的时候,大家一般都会干啥? – 知乎》
No 7. 《机器人感知:因子图在SLAM中的应用》
No 8. 晚安~ [月亮] ​
No 9. 【Python数据科学“冷门”库】
No 10. 【图嵌入、内容理解与自监督学习】
No 11. 早![太阳] ​
No 12. 【(Python)监督学习特征探索库】
No 13. 很多人,看似在寻求*动机*,实则在寻求*肯定*。 他们只是希望对已经拥有的东西感觉更好。要前进,光靠…
No 14. 给程序加点新feature~ http://t.cn/EA63Tao ​…
No 15. MIT的20号楼,具有独特的架构,能带来更多意外的协作与创新,“整个建筑是交互式的, 20世纪50年…
No 16. 【Python模式匹配库】
No 17. 为什么我们认为银河系中间有黑洞 src:http://t.cn/EA9isIG ​…
No 18. Alexa换个皮肤亲切多了 [允悲] http://t.cn/EAC1Mlv ​…
No 19. 【如何训练ResNet(系列)】
No 20. 哇!🏍️👏 http://t.cn/EACjINQ ​
No 21. 【数据科学(实战)模型集】
No 22. 【AI硬件再加速:更适合深度学习的浮点数学】
No 23. 《Online Embedding Compression for Text Classification using Low Rank Matrix Factorization》
No 24. 换个视角看花样游泳 src:http://t.cn/EZfnUSA http://t.cn/EZf…
No 25. 乌鸦与猫的友情 http://t.cn/EA9z4Ur ​
No 26. 'Google帮助纽约时报对过去100多年来近700万张照进行数字化处理' src:http://t…
No 27. 很会玩!🐕 👌 http://t.cn/EA6mAU8 ​
No 28. 《The Price of Fair PCA: One Extra Dimension》
No 29. 【系统文献综述指南】
No 30. 《A Survey on Data Collection for Machine Learning: a Big Data – AI Integration Perspective》
No 31. 信息图:色彩心理学 ​
No 32. 《Unsupervised image segmentation via maximum a posteriori estimation of continuous max-flow》
No 33. 《Introduction to Amazon SageMaker Object2Vec》
No 34. 刚听新闻,说新高铁物流的启用,能“节省四倍的时间”
No 35. 【机器学习方法C++实现集锦】
No 36. 【场景理解和建模挑战(360° RGB-D 3D室内全景理解)】
No 37. 《Neural Rendering Model: Joint Generation and Prediction for Semi-Supervised Learning》
No 38. 【上帝掷骰子吗?】
No 39. 《Confusion2Vec: Towards Enriching Vector Space Word Representations with Representational Ambiguities》
No 40. 【用深度学习解决挑战性问题】
No 41. 聪明!🐶 😂 http://t.cn/EA6RC0a ​
No 42. ’Machine Learning Pipelines for Kubeflow' GitHub:…
No 43. 《Neural Music Synthesis for Flexible Timbre Control》
No 44. 智能推荐~ [允悲] ​
No 45. 'WikiSplit Dataset- One million English sentences,…
No 46. 《Learning Two Layer Rectified Neural Networks in Polynomial Time》
No 47. 《Balanced Sparsity for Efficient DNN Inference on GPU》
No 48. 《Exposing DeepFake Videos By Detecting Face Warping Artifacts》
No 49. 坝(堰)对河流沉积物运输的影响 http://t.cn/EwIfLlU ​…
No 50. 【深度强化学习重要论文列表】

爱可可老师24小时热门分享(2018.11.10)

No 1. 《分布式机器学习:算法、理论与实践》
No 2. 【深度强化学习重要论文列表】
No 3. 【机器学习资源汇总(课程、教材、教程、笔记、速查等)】
No 4. 《机器人感知:因子图在SLAM中的应用》
No 5. TensorFlow三岁了 [蛋糕] ​
No 6. [笑cry] ​
No 7. 《Wasserstein Introspective Neural Networks》
No 8. '中国裁判文书网爬虫' by sixseven GitHub: http://t.cn/EPNSg3…
No 9. 用铅笔头做个漂亮的文具罐 by NZ Woodturning http://t.cn/EAIrRZ4…
No 10. 【OpenAI发布的深度强化学习教学资源集(教程、代码、习题、文档等)】
No 11. 😂👏🏻⚽️ http://t.cn/EAM5eIO ​
No 12. 【潜在属性编辑相片级人脸合成】
No 13. Footpath Route Planner提供的涂鸦式自动路径规划,很不错 src:http://…
No 14. 能不能叫人安心茶歇? ​
No 15. 选自1997年CMU人脸数据集 [笑cry] ​
No 16. 【今日限免:Python微服务(Microservices)开发】
No 17. 早! [太阳] ​
No 18. 【用TensorRT加速深度学习推理】
No 19. 【编写面向自然语言处理研究的代码(AllenNLP)】
No 20. 【2018 NIPS视觉对抗挑战总结】
No 21. 换个视角看花样游泳 src:http://t.cn/EZfnUSA http://t.cn/EZf…
No 22. 给程序加点新feature~ http://t.cn/EA63Tao ​…
No 23. 【维基百科原子编辑数据集,包含句子中连续文本块的插入和删除。该数据集包含8种语言的约4300万次编辑】
No 24. 【服务器端推理的低精度、高性能矩阵乘法和卷积库】
No 25. 【cuML:RAPIDS机器学习库】
No 26. 《Measuring the Effects of Data Parallelism on Neural Network Training》
No 27. 【ICLR 2019(评审)概览】
No 28. 《科研搞不出来的时候,大家一般都会干啥? – 知乎》
No 29. 刚听新闻,说新高铁物流的启用,能“节省四倍的时间”
No 30. 【如何训练ResNet(系列)】
No 31. ImageNet GANs的进化
No 32. 《ExGate: Externally Controlled Gating for Feature-based Attention in Artificial Neural Networks》
No 33. 《Bias and Generalization in Deep Generative Models: An Empirical Study》
No 34. Arguman:观点论证分析平台 http://t.cn/RUmLFHM ​…
No 35. 【AI硬件再加速:更适合深度学习的浮点数学】
No 36. 《Scale-variant topological information for characterizing complex networks》
No 37. 很会玩!🐕 👌 http://t.cn/EA6mAU8 ​
No 38. 《统计学习方法》
No 39. 晚安~ [月亮] http://t.cn/EAVJX1Z ​
No 40. 海狮宝宝,萌!
No 41. 聪明!🐶 😂 http://t.cn/EA6RC0a ​
No 42. 《Training neural audio classifiers with few data》
No 43. 《爱可可老师一周论文精选(2018.11.10)》
No 44. 【通过梯度下降轨迹分析理解深度学习优化】
No 45. 《Learning from Demonstration in the Wild》
No 46. (太空)静电可视化:带电水滴绕着带电棒针旋转 src:http://t.cn/EAI12Rs htt…
No 47. ❤️ http://t.cn/E7jQOXU ​
No 48. 给9岁孩子解释编程过程:1、有事儿要做2、写代码来做3、代码没法用4、改错误代码5、程序能…
No 49. 《Modular Architecture for StarCraft II with Deep Reinforcement Learning》
No 50. 'funNLP – 中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽…

爱可可老师一周论文精选(2018.11.10)

No 1. 《The Open Images Dataset V4: Unified image classification, object detection, and visual relationship detection at scale》
No 2. 《Face Recognition: From Traditional to Deep Learning Methods》
No 3. 《WaveGlow: A Flow-based Generative Network for Speech Synthesis》
No 4. 《You Only Search Once: Single Shot Neural Architecture Search via Direct Sparse Optimization》
No 5. 《Language GANs Falling Short》
No 6. 《How deep is deep enough? – Optimizing deep neural network architecture》
No 7. 《Named Entity Disambiguation using Deep Learning on Graphs》
No 8. 《Segmentation of the Proximal Femur from MR Images using Deep Convolutional Neural Networks》
No 9. 《Multi-level Memory for Task Oriented Dialogs》
No 10. 《Modeling Attention Flow on Graphs》
No 11. 《Towards Explainable NLP: A Generative Explanation Framework for Text Classification》
No 12. 《Building Dynamic Knowledge Graphs from Text using Machine Reading Comprehension》
No 13. 《Neural Nearest Neighbors Networks》
No 14. 《Do RNNs learn human-like abstract word order preferences?》
No 15. 《Fast Neural Architecture Search of Compact Semantic Segmentation Models via Auxiliary Cells》
No 16. 《Simple, Distributed, and Accelerated Probabilistic Programming》
No 17. 《An Intriguing Failing of Convolutional Neural Networks and the CoordConv Solution》
No 18. 《Textbook Question Answering with Knowledge Graph Understanding and Unsupervised Open-set Text Comprehension》
No 19. 《Content Selection in Deep Learning Models of Summarization》
No 20. 《How the fundamental concepts of mathematics and physics explain deep learning》
No 21. 《Stochastic Neighbor Embedding under f-divergences》
No 22. 《Towards continual learning in medical imaging》
No 23. 《Unsupervised Multi-Target Domain Adaptation: An Information Theoretic Approach》
No 24. 《Multi-Agent Common Knowledge Reinforcement Learning》
No 25. 《Generating Photo-Realistic Training Data to Improve Face Recognition Accuracy》
No 26. 《Multiple-Attribute Text Style Transfer》
No 27. 《Scalable Deep kk-Subspace Clustering》
No 28. 《Dilated DenseNets for Relational Reasoning》
No 29. 《You May Not Need Attention》
No 30. 《Finding Mixed Nash Equilibria of Generative Adversarial Networks》

爱可可老师一周热门分享(2018.11.10)

No 1. “不怕慢,就怕站”
No 2. 《统计学习方法》
No 3. 成功之路 🐻 http://t.cn/EwWLquN ​
No 4. 选自1997年CMU人脸数据集 [笑cry] ​
No 5. 《机器人感知:因子图在SLAM中的应用》
No 6. 'funNLP – 中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽…
No 7. 换个视角看花样游泳 src:http://t.cn/EZfnUSA http://t.cn/EZf…
No 8. 《号称终极快速学习法的费曼技巧,究竟是什么样的学习方法? – 知乎》
No 9. Bing此刻的心情…… ​
No 10. 《Python深度学习:基于TensorFlow》
No 11. 【经典书《模式识别与机器学习》习题答案集】
No 12. 【经典书:概率论基础】
No 13. “数学家”
No 14. 【芝加哥艺术博物馆免费发布5万+艺术品高分辨率图片,包括梵高的《卧室》、莫奈的《睡莲》、葛饰北斋的《神奈川冲浪里》等】
No 15. 【杀入Kaggle比赛前2%的秘诀】
No 16. 码农语录:给我六小时砍倒一棵树,我会花前十二小时把斧子磨快。 [允悲] ​​​…
No 17. 【用10行代码做目标检测(ImageAI)】
No 18. 《Hands-on Machine Learning with Scikit-Learn and TensorFlow》
No 19. 汇总几个不错的*适合入门*的Python教程,学起来!Just Practise! “Learn Python the Hard Way”
No 20. 【Capsule Neural Networks胶囊网络解析】
No 21. 【OpenAI发布的深度强化学习教学资源集(教程、代码、习题、文档等)】
No 22. 论文写作技巧:审稿人喜欢那些让他们觉得(自己)聪明、而非愚蠢的文字。与其用复杂晦涩的术语让人记住,不…
No 23. 小宝宝第一次喝可可奶 👶 http://t.cn/EwCzwbh ​…
No 24. 堆代码激励神器 [笑而不语] ​​​
No 25. 【Python/Scikit-Learn机器学习基础/升级教程(by Andreas Mueller)】
No 26. 【愚蠢对科研的重要性:在得到答案或结果之前,我们无法确定自己是否在问正确的问题或是做正确的实验……如果我们不觉得愚蠢,意味着我们还没有真正深入……我们越是能适应愚蠢的感觉,就越能深入到未知世界,也就越能做出重大发现】
No 27. 【(MIT课程)Python机器学习——从线性模型到深度学习】
No 28. 2018进度:▓▓▓▓▓▓▓▓▓▓▓▓▓░░ 85% ​…
No 29. 循序渐进的艺术 ​
No 30. 'CHINESE-OCR – [python3.6] 运用tf实现自然场景文字检测,keras/py…
No 31. 【要找房,先用Python做个爬虫看看】
No 32. 【机器学习资源汇总(课程、教材、教程、笔记、速查等)】
No 33. 【用TensorFlow Serving、Docker实现机器学习模型快速部署】
No 34. 学术之路 👨‍🎓 http://t.cn/Ew8UHdv ​
No 35. 【图解Transformer】
No 36. 'Full Stack Developer Tutorial,后台技术栈/全栈开发/架构师之路,秋招…
No 37. 某些同学私自违规实习被劝回现场 [偷笑] ​…
No 38. “XGBoost 0.81发布:大规模分布式、Learning to Rank、GPU支持”
No 39. 很想知道中途退出大学计算机课程的人,如果教学用的语言不是Java,有多少不会选择退出。瞧瞧这段He…
No 40. 【深度强化学习重要论文列表】
No 41. 【用机器学习赚钱的七种方式】
No 42. 给9岁孩子解释编程过程:1、有事儿要做2、写代码来做3、代码没法用4、改错误代码5、程序能…
No 43. 强国竞赛:1960-2017年全球十大经济体的演变
No 44. 《The Open Images Dataset V4: Unified image classification, object detection, and visual relationship detection at scale》
No 45. 费曼问题解决算法:1.写下问题 2.拼命思考 3.写下答案 ​…
No 46. 【深度学习老照片自动着色与修复】
No 47. 2018进度条:▓▓▓▓▓▓▓▓▓▓▓▓▓░░ 84% ​…
No 48. 【BERT的PyTorch实现,可加载Google的BERT预训练模型】
No 49. 直觉没毛病 [哈哈]
No 50. 【Python, R, SQL以外的重要数据科学工具】

Apache Kafka 从 0.7 到 1.0:那些年我们踩过的坑 – InfoQ每周精要562期

 中文站「每周精要」
NO.562
2018/11/11
RSocket:又一个 REST 的挑战者
架构
表征状态转移(REST)已经成为微服务通信事实上的标准,但作者认为这不是一件好事。
Apache Kafka 从 0.7 到 1.0:那些年我们踩过的坑
大数据 开源
从最早的“分布式消息系统”,到现在集成了分发、存储和计算的“流式数据平台”,Kafka 经历了哪些挑战?又经过了什么样的演进变化?Kafka 社区踩过哪些“坑”?本文将为你一一道来。
我是LinkedIn的SRE,我把LinkedIn搞挂了
运维
作为LinkedIn的SRE,我在一次应用部署并发起回滚命令后,一系列的后续事件让LinkedIn网站瘫痪了1个多小时。
当国内大厂谈论监控的时候,他们在谈论什么
DevOps
监控对于运维来说,犹如眼睛对人来说一样重要。
世界互联网大会第二天,大佬们都说了些啥?
DevOps
全球瞩目的世界互联网大会进入第二天的议程,今天,汇聚在乌镇的众互联网界大佬们又有哪些金句流出呢?
写给服务器端Java开发人员的Kotlin简介
Kotlin 最近的成功和成熟水平为它进入服务器端提供了一个很好的机会。
程序员双十一必备购物清单
本篇文章只有一条声明:没收钱。
苏宁 11.11:苏宁物流移动端百万级离线数据处理方案
大数据 移动
本文为“InfoQ x 苏宁 2018 双十一”特别策划系列文章之一。
开源江湖:那些理想情怀和现实 | 二叉树视频
开源
《二叉树》记录与时代并行的技术人。
Taro 1.1 全面支持微信 / 百度 / 支付宝小程序了!
前端
Taro 1.1 正式来袭。
Electron 3 稳定版正式发布,4.0 的 beta 版已在开发中
前端
Electron 团队最近发布了Electron 3。最新版本包括很多增强和改进,支持读取海量文件,更好的应用程序管理 API 以及日志和性能测量功能
已经证明:量子计算机能比传统计算机更快解决特定问题
AI 机器学习
来自 IBM T.J.Watson 研究中心,加拿大滑铁卢大学和德国慕尼黑工业大学的研究员们已经在理论上证实了量子计算机能够比传统计算机更快地解决特定问题。
AI 一周热闻:研究生留学资助项目突遭暂停;微软将竞标五角大楼 AI 合同
AI
AI 前线导读:苹果发布迄今最强大芯片 A12X 美国国家科学基金会暂停研究生资助项目,海外留学政策收紧。
AI 如何帮助亚马逊达成市值万亿美元成就?
AI
AI如何塑造亚马逊的方方面面,从其装满货品的仓库到Echo智能音箱。
北京、上海引入步态识别软件,可根据身形和步态识别行人
AI
在北京、上海,人脸识别监控已经引入步态识别软件,能够仅通过身形和步态识别任意行人。虽然这项技术不算新鲜,但中国是第一个将此技术用于监控的国家。
阿里数据库掌门人李飞飞获选美国计算机协会杰出科学家
大数据
11 月 8 日,美国计算机协会(ACM)公布 2018 年度的杰出科学家名单,全球数据库领域领军人物、达摩院数据库首席科学家、阿里巴巴数据库事业部负责人李飞飞教授入选。
Facebook智能bug修复神器:让程序员少掉几根头发
AI
Facebook发布AI代码调试工具Getafix。
分布式存储系统 Ceph 架构及使用场景解析
大数据 开源
Ceph 是一个统一的分布式存储系统,设计初衷是提供较好的性能、可靠性和可扩展性。
技术融合新趋势,工行小程序用区块链打造可信营销
区块链
当小程序遇上区块链……
Spring技术布道师 Josh Long 来华:用 Show 代码的方式来聊云原生
DevOps 架构
对于想要学习云原生Java、Spring Cloud、微服务、Spring Boot 2.0的开发者来说,Spring技术布道师Josh Long的演讲值得期待。
架构师(2018年11月)
架构
本期推荐内容:大数据凉了?不,流式计算浪潮才刚刚开始

技术大会   CONFERENCE
InfoQ全球运维技术大会CNUTCon2018上海站最后倒计时!
CNUTCon全球运维技术大会带来了RIOT Games(英雄联盟开发商)、BAT、华为、斗鱼等国内外一线大厂在DevOps&容器领域的50+最佳实践案例!大会最后倒计时所剩席位有限!
ArchSummit:解读快手3亿+月活用户背后的架构实践
今年快手在技术和产品矩阵上尝试了更多的可能性,希望借助游戏平台在短视频市场找到新的爆发点,目前来看,快手小游戏日活突破千万以上。而这与其它解决方案相比的优劣势如何呢?
AICon:这个全球首发7nm芯片的公司,到底有哪些AI黑科技?
寒武纪作为中国人工智能芯片领域的头部独角兽,一直都是AI芯片技术研究的先驱者。从自己首发云端智能芯片到为华为的麒麟系列芯片提供计算架构,他到底有什么黑科技,让业界如此抢手?

极客时间App   GEEK TIME APP
双十一企业福利:限时买一赠一,前100名申请享大额优惠
极客时间企业版,帮你打造高效能研发团队。不仅可以365天畅看极客时间全部线上课程,还有 InfoQ 顶级技术大会QCon、AS、GMTC、AICon、CNUTCon等大会视频天天看。
如何打造一支有超强战斗力的技术团队?
技术团队的KPI到底怎么定?如何才能让自己的团队高效而有战斗力?如何更好地营造技术团队的创新氛围?领导者的战略眼光、管理方法和人格魅力,都会为团队的工作结果带来决定性影响。

活动推荐   POPULAR EVENTS
如何在两个月内毫不费力地被国家选中?
在互联网发展与新工业革命的历史交汇期,工业大数据注定是大数据军团中举足轻重的一部分。就在这样的背景下,咱们的大当家坐不住了……
开发者,快来领取你的双十一礼物
双十一绝不是剁手党的专属,开发者也决不能在这一天只有加班!这里我们为开发者准备了专属礼物,服务器不崩,我们一起疯!
2018CNUTCon限额免费专场:运维架构师进阶与速成指南
运维架构的设计是保障企业高速高效工作的前提,作为运维人员,想知道你的运维体系还有哪些不足么?想了解运维的新趋势吗?我们邀请具有实战经验的一线技术专家,为大家带来运维转型与架构优化方面的应用实践分享。
大数据时代,如何做数据的掌控者?
当数据的获取不再是难点,怎样敏捷分析数据才是决定成败之举。11月17日南京,AWS资深架构师将为你揭秘大数据、无服务器架构的实践与落地。
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(2018.11.9)

No 1. “不怕慢,就怕站”
No 2. 选自1997年CMU人脸数据集 [笑cry] ​
No 3. 【OpenAI发布的深度强化学习教学资源集(教程、代码、习题、文档等)】
No 4. 给9岁孩子解释编程过程:1、有事儿要做2、写代码来做3、代码没法用4、改错误代码5、程序能…
No 5. 【PyTorch深度学习入门】
No 6. 程序出问题不用担心,要是一切正常,你就该失业了。(软件工程Mosher定律) ​…
No 7. 【AI硬件再加速:更适合深度学习的浮点数学】
No 8. 【如何训练ResNet(系列)】
No 9. 【全球AI学术机构大列表】
No 10. 【通过梯度下降轨迹分析理解深度学习优化】
No 11. 《统计学习方法》
No 12. 【元学习Few-shot Learning】
No 13. 【机器学习资源汇总(课程、教材、教程、笔记、速查等)】
No 14. 居里夫人出生于1867年,很少有人知道她是至今唯一一位获得过物理和化学两项诺贝尔奖的科学家。更少有人…
No 15. 换个视角看花样游泳 src:http://t.cn/EZfnUSA http://t.cn/EZf…
No 16. 《Segmentation of the Proximal Femur from MR Images using Deep Convolutional Neural Networks》
No 17. 【UC Berkeley深度强化学习课程】
No 18. 《Bayesian Modelling is Hard Work!》
No 19. 【两分钟论文解读之面向音频来源的图像区域分割】
No 20. 【深度强化学习重要论文列表】
No 21. 晚安~
No 22. 早! [太阳] ​
No 23. 能不能叫人安心茶歇? ​
No 24. 对三维数据用3D卷积而非2D卷积
No 25. 【用深度学习解决挑战性问题】
No 26. '中国裁判文书网爬虫' by sixseven GitHub: http://t.cn/EPNSg3…
No 27. 'TensorFlow 1.12.0 Released’ GitHub: http://t.cn/E…
No 28. 《WaveGlow: A Flow-based Generative Network for Speech Synthesis》
No 29. 《Estimating Network Structure from Incomplete Event Data》
No 30. 【(MIT课程)Python机器学习——从线性模型到深度学习】
No 31. 'funNLP – 中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽…
No 32. 《Prototypical Clustering Networks for Dermatological Disease Diagnosis》
No 33. 《Reconstructing Speech Stimuli From Human Auditory Cortex Activity Using a WaveNet Approach》
No 34. 《Wasserstein Variational Gradient Descent: From Semi-Discrete Optimal Transport to Ensemble Variational Inference》
No 35. 《Compositional Language Understanding with Text-based Relational Reasoning》
No 36. 熊猫出生的头100天 🐼 src:http://t.cn/RhKWNPr http://t.cn/…
No 37. ❤️ http://t.cn/E7jQOXU ​
No 38. 《爱可可老师24小时热门分享(2018.11.8)》
No 39. 【无人机飞行控制(Deep Deterministic Policy Gradients)】
No 40. 【ICLR 2019(评审)概览】
No 41. 【2018.10 AI最佳网文】
No 42. 【服务器端推理的低精度、高性能矩阵乘法和卷积库】
No 43. '伯努利原理(Bernoulli's principle)' ref:http://t.cn/EzQ…
No 44. 《MixTrain: Scalable Training of Formally Robust Neural Networks》
No 45. 《ACE: An Actor Ensemble Algorithm for Continuous Control with Tree Search》
No 46. ImageNet GANs的进化
No 47. 《Language GANs Falling Short》
No 48. 【编写面向自然语言处理研究的代码(AllenNLP)】
No 49. “数学家”
No 50. 《Hands-on Machine Learning with Scikit-Learn and TensorFlow》

爱可可老师24小时热门分享(2018.11.8)

No 1. “不怕慢,就怕站”
No 2. 《统计学习方法》
No 3. “数学家”
No 4. 《Hands-on Machine Learning with Scikit-Learn and TensorFlow》
No 5. 【(MIT课程)Python机器学习——从线性模型到深度学习】
No 6. 早![太阳] ​
No 7. 【无人机飞行控制(Deep Deterministic Policy Gradients)】
No 8. 【黑盒探索:理解RNN语言处理】
No 9. Compressorhead:最“重金属”
No 10. 《Language GANs Falling Short》
No 11. 晚安~
No 12. 2018进度:▓▓▓▓▓▓▓▓▓▓▓▓▓░░ 85% ​…
No 13. 【2018.10 AI最佳网文】
No 14. 人类花式利用自己创造工具和艺术再创作的能力无可匹敌! ​…
No 15. 卓别林时代的电影特效
No 16. 【ICLR 2019 OpenReview数据爬取与分析】
No 17. 【基于能量函数的概念学习】
No 18. 程序出问题不用担心,要是一切正常,你就该失业了。(软件工程Mosher定律) ​…
No 19. 实际场景应用机器学习的头号问题:数据质量,这也是所谓“你不需要‘大数据’”
No 20. 【EMNLP 2018亮点摘要】
No 21. 换个视角看花样游泳 src:http://t.cn/EZfnUSA http://t.cn/EZf…
No 22. 《Simple, Distributed, and Accelerated Probabilistic Programming》
No 23. 《Building Dynamic Knowledge Graphs from Text using Machine Reading Comprehension》
No 24. 【PyTorch深度学习入门】
No 25. 【元学习Few-shot Learning】
No 26. 'funNLP – 中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽…
No 27. 《Towards continual learning in medical imaging》
No 28. 世上的编程语言只有两种:一种被数落得一无是处,一种被冷落得无人问津。- Bjarne Stroust…
No 29. 【ClariNet:完全端到端并行文本语音合成】
No 30. 《我的世界线》
No 31. 【图书样章:《发表研究的设计》】
No 32. 《Efficient Metropolitan Traffic Prediction Based on Graph Recurrent Neural Network》
No 33. 《Finding Mixed Nash Equilibria of Generative Adversarial Networks》
No 34. Pytorch Implementation by Sungwon Kim GitHub:http:…
No 35. 《You Only Search Once: Single Shot Neural Architecture Search via Direct Sparse Optimization》
No 36. 《Chinese startup Makeblock's robots are invading classrooms》
No 37. 《Bayesian Action Decoder for Deep Multi-Agent Reinforcement Learning》
No 38. 居里夫人出生于1867年,很少有人知道她是至今唯一一位获得过物理和化学两项诺贝尔奖的科学家。更少有人…
No 39. 《Are Deep Policy Gradient Algorithms Truly Policy Gradient Algorithms?》
No 40. 【Libratus如何在无限德州扑克项目上击败顶级人类专家】
No 41. GitHub新推“Related Issues”
No 42. 【Zero-shot学习:利用文本更准确地识别图像】
No 43. 《爱可可老师24小时热门分享(2018.11.7)》
No 44. 《Off-the-Shelf Unsupervised NMT》
No 45. 《Segmentation of the Proximal Femur from MR Images using Deep Convolutional Neural Networks》
No 46. 【用深度学习助力计算机视觉场景理解】
No 47. AI的几大误解
No 48. 【Kaggle新赛:Quora不良问题(假意提问)检测】
No 49. #AI 看不懂# ​
No 50. 【UC Berkeley深度强化学习课程】

爱可可老师24小时热门分享(2018.11.7)

No 1. “不怕慢,就怕站”
No 2. 'funNLP – 中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽…
No 3. 【经典书《模式识别与机器学习》习题答案集】
No 4. 【愚蠢对科研的重要性:在得到答案或结果之前,我们无法确定自己是否在问正确的问题或是做正确的实验……如果我们不觉得愚蠢,意味着我们还没有真正深入……我们越是能适应愚蠢的感觉,就越能深入到未知世界,也就越能做出重大发现】
No 5. 2018进度:▓▓▓▓▓▓▓▓▓▓▓▓▓░░ 85% ​…
No 6. 《统计学习方法》
No 7. 【AI实习项目汇总】
No 8. Chrome小插件“Open in Colab”
No 9. 《Learning Sparse Neural Networks through L0 regularization》
No 10. “数学家”
No 11. 【用深度学习助力计算机视觉场景理解】
No 12. 【Zero-shot学习:利用文本更准确地识别图像】
No 13. 世上的编程语言只有两种:一种被数落得一无是处,一种被冷落得无人问津。- Bjarne Stroust…
No 14. 【Kaggle新赛:Quora不良问题(假意提问)检测】
No 15. 《You Only Search Once: Single Shot Neural Architecture Search via Direct Sparse Optimization》
No 16. “周一赖床未必得不偿失,总比花一周时间调试周一的烂代码强”
No 17. 《Chinese startup Makeblock's robots are invading classrooms》
No 18. “Pointnet2/Pointnet++ PyTorch”
No 19. 码农语录:给我六小时砍倒一棵树,我会花前十二小时把斧子磨快。 [允悲] ​​​…
No 20. 晚安~ [月亮] ​
No 21. 刚出生一天的小羊 🐑 http://t.cn/EwdjFQw ​…
No 22. 《How deep is deep enough? – Optimizing deep neural network architecture》
No 23. AI的几大误解
No 24. [笑cry] ​
No 25. 《A Protocol for Packet Network Intercommunication》
No 26. 【EMNLP 2018摘要】
No 27. 换个视角看花样游泳 src:http://t.cn/EZfnUSA http://t.cn/EZf…
No 28. 编程靠经验能学到做某事应该用多少代码。经验丰富的程序员,在正确的结果之外,会意识到代码应该用不了这么…
No 29. 《Towards Explainable NLP: A Generative Explanation Framework for Text Classification》
No 30. GitHub新推“Related Issues”
No 31. #AI 看不懂# ​
No 32. 《Do RNNs learn human-like abstract word order preferences?》
No 33. 《An Intriguing Failing of Convolutional Neural Networks and the CoordConv Solution》
No 34. 秘鲁库斯科市:跟随主人上出租车毫无违和的羊驼 http://t.cn/EwgVUjJ ​…
No 35. 《离开学术圈是种怎样的体验? – 知乎》
No 36. 【Libratus如何在无限德州扑克项目上击败顶级人类专家】
No 37. 猎豹高速奔跑的秘密 http://t.cn/EwFOm47 ​…
No 38. 早! [太阳]
No 39. 《Multi-Agent Common Knowledge Reinforcement Learning》
No 40. 《Stochastic Neighbor Embedding under f-divergences》
No 41. 《Scalable Deep kk-Subspace Clustering》
No 42. “关键不是教孩子如何写代码,而是为他们提供实现想法的工具。编程只是帮他们把想法诉诸机器的一种方式。”
No 43. 《Topological Approaches to Deep Learning》
No 44. 《What evidence does deep learning model use to classify Skin Lesions?》
No 45. 【黑盒探索:理解RNN语言处理】
No 46. “XGBoost 0.81发布:大规模分布式、Learning to Rank、GPU支持”
No 47. 【AI时代,眼见是否依然“为实”?——关于图像生成与合成的反思】
No 48. 霸气 🦁️ http://t.cn/EwFdf7A ​
No 49. 《Towards Sparse Hierarchical Graph Classifiers》
No 50. 【AI难以突破的意义障碍——机器学习算法还不能像人类一样理解事物,后果可能是灾难性的】