爱可可老师24小时热门分享(2018.8.8)

No 1. 惊现!史上最“亲民”
No 2. 《深度学习》
No 3. 选择性采样 http://t.cn/RDfbIPh ​
No 4. 【OpenCV多目标追踪】
No 5. 【如何组织和(高效)阅读文献】
No 6. 【(Python)基于matplotlib的动画绘图库】
No 7. 【面向统计学家的变分推断综述】
No 8. 【如何写研究计划书】
No 9. 【隐性自编码器】
No 10. 【(MATLAB)深度学习语音识别】
No 11. 深度学习的重要优势在于它对全局优化的依赖 – 对层次化特征的联合学习,解决了信息丢失的根本问题。这也…
No 12. 【用Pytroch 0.4实现的YoloV3】
No 13. 《深度学习入门:基于Python的理论与实现》
No 14. 【二元Logistic回归教程】
No 15. 【tf.keras/eager execution实现注意力机器翻译、图像描述生成、文本生成、DCGAN的完整实现例子】
No 16. 《Composition Loss for Counting, Density Map Estimation and Localization in Dense Crowds》
No 17. 《深度学习:卷积神经网络从入门到精通》
No 18. 【神经网络Beatbox:RNN节奏生成+音频分类】
No 19. 《Python与神经网络实战》
No 20. 硬盘行业是AI革命背后的无名英雄。2010年以前,你甚至无法将ImageNet放到单个赢哦盘上(~1…
No 21. 【机器学习最佳编程语言】
No 22. 所有足够先进的技术都与魔术无异。 – Clarke's third law 所有能和魔术区别开的技…
No 23. 【关于OpenAI Five获胜的思考:PPO+域随机化+探索奖励机制+策略发现令人印象深刻,但无法确定该胜利是否表明实现了更高级的长远规划】
No 24. 【为啥AI研究人员热衷于打游戏:“现实世界没什么有意思的任务……游戏很完美,可以获得即时的奖励……”】
No 25. 《Is Robustness the Cost of Accuracy? — A Comprehensive Study on the Robustness of 18 Deep Image Classification Models》
No 26. 【基于RNN的可训练端到端TTS语音合成系统】
No 27. 【计算机视觉的未来】
No 28. 《深度学习入门》
No 29. 【可视化:全球66大城市25年来城市增长与密度变化】
No 30. 【系统神经科学将迎来热潮:廉价、高质量记录设备的出现和深度学习的成熟为神经科学提供了绝妙的机会;但该领域需要开发理论框架和计算工具来应对扑面而来的数据冲击】
No 31. 《Hybrid Subspace Learning for High-Dimensional Data》
No 32. 'Speech-to-Text Benchmark' by Picovoice GitHub: ht…
No 33. 《DeepTAM: Deep Tracking and Mapping》
No 34. 【关键点对目标检测】
No 35. 【用算法减少决策中的偏见:算法也有“偏见”,究其根源和机制,可以比人类的偏见小得多】
No 36. 《Attentive Generative Adversarial Network for Raindrop Removal from a Single Image》
No 37. 'Implementation of the HMAX model of vision in PyT…
No 38. 《Global Convergence to the Equilibrium of GANs using Variational Inequalities》
No 39. 【MnasNet:自动化移动端机器学习模型设计探索】
No 40. 《爱可可老师24小时热门分享(2018.8.7)》
No 41. 《News Session-Based Recommendations using Deep Neural Networks》
No 42. 【斯坦福CS230深度学习课程资料】
No 43. 《Nonsense Attacks on Google Assistant》
No 44. 目标检测六级真题:猫 ​
No 45. 《Predicting Expressive Speaking Style From Text In End-To-End Speech Synthesis》
No 46. 《Deep Learning to Learn》
No 47. 《Distributional Multivariate Policy Evaluation and Exploration with the Bellman GAN》
No 48. 韦尔奇论文写作原则:1、就是篇长文而已,不是终生成就总结 2、好论文就是优秀发表文章的糟糕草稿 3….
No 49. 【我们不能总是说技术造成的问题是别人的责任……当我们考虑AI时,需要考虑复杂的现实世界系统……算法很可能会加剧潜在的社会问题】
No 50. 条码也疯狂 http://t.cn/RDMUAhl ​

爱可可老师24小时热门分享(2018.8.7)

No 1. 目标检测六级真题:猫 ​
No 2. 【计算机视觉的未来】
No 3. 《深度学习》
No 4. 《深度学习入门:基于Python的理论与实现》
No 5. 【关键点对目标检测】
No 6. 有人开始在正式论文里引用SciHub的链接了 [笑cry]
No 7. 《音乐教育家Curwen的十二条教育格言》
No 8. 【新书预览:模型机器学习(更新至第六章)】
No 9. 【用卷积神经网络预测小儿骨龄】
No 10. 【斯坦福CS230深度学习课程资料】
No 11. 【OpenCV多目标追踪】
No 12. 【AI的下一个挑战:语言细微差别的处理——模型要能对不同的上下文层次进行建模,以便正确理解问题】
No 13. 《深度学习:卷积神经网络从入门到精通》
No 14. 惊现!史上最“亲民”
No 15. 转发微博//今天非常荣幸的参加了创新工厂办的deecamp授课。今早授课的还有吴恩达教授哟
No 16. 《Composition Loss for Counting, Density Map Estimation and Localization in Dense Crowds》
No 17. 《Python与神经网络实战》
No 18. 【如何组织和(高效)阅读文献】
No 19. 【(MATLAB)深度学习语音识别】
No 20. 【如何写研究计划书】
No 21. 【文字识别(OCR)合成数据生成器】
No 22. 今天非常荣幸的参加了创新工厂办的deecamp授课。今早授课的还有吴恩达教授哟
No 23. 【基于跨模态自监督的视觉目标音频(双向)关联与预测】
No 24. 【RSS 2018机器人科学与系统会议摘要】
No 25. 《Generalization Error in Deep Learning》
No 26. 《Sparse and Dense Data with CNNs: Depth Completion and Semantic Segmentation》
No 27. 【用算法减少决策中的偏见:算法也有“偏见”,究其根源和机制,可以比人类的偏见小得多】
No 28. 【OpenAI Five Benchmark人机DotA比赛结果与训练过程一瞥:强化学习策略有进步;128,000 cores on Google's Cloud Platform;190 petaflop/s-days】
No 29. '计算机视觉的未来' #bilibili#搬运:http://t.cn/RDbLLSd //@爱可…
No 30. 【AI/CV/DM/NLP最新国际会议列表】
No 31. 【视频超分辨率文献列表】
No 32. 《深度学习入门》
No 33. 【文本风格迁移文献列表】
No 34. 《Learning Overparameterized Neural Networks via Stochastic Gradient Descent on Structured Data》
No 35. 【数据工程资源超级大列表】
No 36. 【域适配问题相关文献大列表】
No 37. 【实现自动驾驶的现实途径:Drive.ai不是试图建造一个混迹于车流、模仿人类驾驶的自主车辆,而是将车辆的自动驾驶性质明确化、区别化
No 38. 《Likelihood-free inference with an improved cross-entropy estimator》
No 39. 音画协同降噪、自动导播、默片声音合成、音频场景合成…… //@在路上遇见自己: 有啥现实意义呢?…
No 40. 【你和你的研究】
No 41. 【面向机器学习的数学学习建议】
No 42. 【神经网络场景表示与重现】
No 43. 【为啥AI研究人员热衷于打游戏:“现实世界没什么有意思的任务……游戏很完美,可以获得即时的奖励……”】
No 44. 《爱可可老师24小时热门分享(2018.8.6)》
No 45. 如果我们能治愈所有疾病并解决衰老问题,那么死亡的两大原因将是医疗失误和自杀——我们周围将充斥着关于医…
No 46. 《Variational Information Bottleneck on Vector Quantized Autoencoders》
No 47. IBM蝴蝶键盘 ​
No 48. 【视频时序一致性学习】
No 49. 《Glow: Better Reversible Generative Models》
No 50. 【超智AI的谬误与事实】

爱可可老师24小时热门分享(2018.8.5)

No 1. 现代学习的最大障碍是专注,而非可达。
No 2. 【Python统计学基础:概率】
No 3. 【深度学习面试问答集】
No 4. 眼见“为实”
No 5. “如果我看到的比其他人更远,那是因为我站在了巨人的肩膀上。”
No 6. 《深度学习:卷积神经网络从入门到精通》
No 7. 1 + 2 + 3 + … + n = (n^2 + n)/2 的另一种可视化证明 ref:ht…
No 8. 苹果市值万亿的秘密 [笑cry]
No 9. 【如何写毕业论文】
No 10. 【用Flask部署Keras深度学习模型】
No 11. 【新书免费预览:数据可视化实用指南(R)】
No 12. 数据科学家: 如果不可量化,则无关紧要。 人文主义者: 如果可以量化,则无关紧要。社会科学家: …
No 13. 【新书:深度学习导论——从逻辑演算到人工智能】
No 14. 【手把手:九步用Excel实现深度网络人脸识别】
No 15. 【达芬奇手稿在线浏览器】
No 16. 盲从盲信权威是真理的头号大敌 ——Albert Einstein ​…
No 17. 【(Python)机器学习零售价格推荐】
No 18. 【大脑(可能)是如何思考的——生成式预测模型的奇妙直觉】
No 19. 苹果市值万亿的秘密(二) [笑cry]
No 20. 【概率机器学习与AI】
No 21. 【理解深度学习系统中的记忆:神经科学、心理学及技术视角】
No 22. 【为什么离开学术圈并非意味着‘失败’】
No 23. 效果不错的Voronoi分屏
No 24. 《How good is my GAN?》
No 25. 《From handcrafted to deep local invariant features》
No 26. 【(R)Keras注意力神经网络机器翻译】
No 27. 【马里奥 vs. 瓦里奥:Python图像分类】
No 28. 【图像即信息,色彩即语言:明智选择科技论文插图用色】
No 29. 【实际场景强化学习应用】
No 30. 【AAAI 2018视频集锦】
No 31. 《深度学习入门:基于Python的理论与实现》
No 32. 【NodeJS/TensorFlow.js应用示例:Seq2Seq英法语机器翻译】
No 33. 《Python与神经网络实战》
No 34. 【实用!针对双盲评审的GitHub匿名化服务】
No 35. 【交互式机器学习:机器如何高效向人类学习?】
No 36. 以后看简历也要重点考察“专注”
No 37. 《Deep Learning to Learn》
No 38. 看原图切换左右旋有困难的朋友可以试试这个带引导线的版本 ​…
No 39. 《News Session-Based Recommendations using Deep Neural Networks》
No 40. “Computer Vision, OpenCV, and Deep Learning Resource Guide”
No 41. 【开源:(云/本地)超大文件高效流式访问库smart_open】
No 42. 《Recurrent Fusion Network for Image Captioning》
No 43. “鼠脑突触体结构(讲解)”
No 44. 【关于NLP论文的技术播客】
No 45. 【科学是场无限和博弈(Infinite-Sum Game):科学就像无垠无知海洋中的知识小岛,我们扩展自己居住的这个宝贵知识岛的表面时,机遇无可限量】
No 46. 【鼠脑突触体结构】
No 47. 韦尔奇论文写作原则:1、就是篇长文而已,不是终生成就总结 2、好论文就是优秀发表文章的糟糕草稿 3….
No 48. 《DeepSPINE: Automated Lumbar Vertebral Segmentation, Disc-level Designation, and Spinal Stenosis Grading Using Deep Learning》
No 49. 《Unsupervised Learning with Self-Organizing Spiking Neural Networks》
No 50. 《Neural Arithmetic Logic Units》

爱可可老师24小时热门分享(2018.8.4)

No 1. 《深度学习:卷积神经网络从入门到精通》
No 2. 韦尔奇论文写作原则:1、就是篇长文而已,不是终生成就总结 2、好论文就是优秀发表文章的糟糕草稿 3….
No 3. 是我……
No 4. 苹果市值万亿的秘密 [笑cry]
No 5. 影子的故事
No 6. 【Snark AI:分布式廉价GPU深度计算云,P106最低$0.095/h】
No 7. 用代码行数衡量开发进度,就像用重量衡量飞机制造进度一样。 ——Bill Gates ​…
No 8. 现代学习的最大障碍是专注,而非可达。
No 9. 昨天Zotero那条消息挺受欢迎,趁热乎劲给大家汇总、推荐一下文献管理软件,顺序依个人喜好,欢迎朋友…
No 10. “Computer Vision, OpenCV, and Deep Learning Resource Guide”
No 11. 《Getting started: reviewing the literature》
No 12. 【(PyTorch)深度强化学习实现集锦】
No 13. 【今日限免:精通Python网络编程】
No 14. 【关于NLP论文的技术播客】
No 15. 个人简历:数据分析师(2007年 – 2012年) 数据科学家(2012年 – 2015年) …
No 16. '戴珍珠耳环的少女' ref:http://t.cn/Rek8HEp ​…
No 17. 【Python统计学基础:概率】
No 18. 【教程:用(TensorFlow)tf.keras/eager execution实现深度网络画风迁移】
No 19. 【维基百科词向量化工具】
No 20. 看原图切换左右旋有困难的朋友可以试试这个带引导线的版本 ​…
No 21. 《Deep Learning to Learn》
No 22. Google学术指数Top 100 ML/AI特别关注列表:1. Nature3. Scienc…
No 23. 《Mathematical Foundations of Data Sciences》
No 24. 《Python深度学习》
No 25. 《深度学习入门:基于Python的理论与实现》
No 26. 《t-SNE-CUDA: GPU-Accelerated t-SNE and its Applications to Modern Data》
No 27. 【新书免费预览:数据可视化实用指南(R)】
No 28. 盲从盲信权威是真理的头号大敌 ——Albert Einstein ​…
No 29. 《Python与神经网络实战》
No 30. 《SlimNets: An Exploration of Deep Model Compression and Acceleration》
No 31. 《PyMC3 + TensorFlow》
No 32. 《寒冬》
No 33. 《(Bio)statistics in R: Part #1 | Kaggle》
No 34. 《Learning Visual Question Answering by Bootstrapping Hard Attention》
No 35. 【图像即信息,色彩即语言:明智选择科技论文插图用色】
No 36. 原文:“A good thesis is a bad draft of a good publication”
No 37. 【论文写作指南:如何写摘要】
No 38. 《MnasNet: Platform-Aware Neural Architecture Search for Mobile》
No 39. 《Neural Arithmetic Logic Units》
No 40. 【TensorFlow 1.9对树莓派提供官方支持】
No 41. 回顾:追踪NLP最新技术进展的两个好地方:NLP-progress http://t.cn/Rgk6…
No 42. 补充了Paperpile和JabRef,感谢@Marlinhz、@iPHYSresearch 等网友…
No 43. 【深度学习与医疗图像】
No 44. 《Learning Actionable Representations from Visual Observations》
No 45. 【准对抗神经网络中性人脸图像生成与隐私增强】
No 46. 【鼠脑突触体结构】
No 47. 《爱可可老师一周热门分享(2018.8.4)》
No 48. 《爱可可老师24小时热门分享(2018.8.3)》
No 49. 《爱可可老师一周论文精选(2018.8.4)》
No 50. 【科学是场无限和博弈(Infinite-Sum Game):科学就像无垠无知海洋中的知识小岛,我们扩展自己居住的这个宝贵知识岛的表面时,机遇无可限量】

Artificial Intelligence Weekly – Artificial Intelligence News #82

The media doesn't get AI, program synthesis, evolutionary algorithms, Auto ML, Edge TPU and more
 

Artificial Intelligence Weekly

 

ARTIFICIAL INTELLIGENCE NEWS #82  August 2nd 2018

 

  In the News  

 

'The discourse is unhinged': how the media gets AI alarmingly wrong

Social media has allowed self-proclaimed ‘AI influencers’ who do nothing more than paraphrase Elon Musk to cash in on this hype with low-quality pieces. The result is dangerous.

theguardian.com

 

Beijing’s big brother tech needs African faces

"Zimbabwe is signing up for China's surveillance state, but its citizens will pay the price."

foreignpolicy.com

 

Also in the news…

  • ACLU says Amazon's face recognition Falsely matches 28 members of Congress with mugshots. More than anything else, this is a reminder that face recognition through neural networks is probabilistic by nature and must be handled correctly (Amazon says ACLU did not use a proper threshold). More
  • Pentagon said to be preparing major AI strategy this summer. More

 
 

  Learning  

 

Natural Language Processing is Fun!

Introduction to NLP: sentence segmentation, tokenization, speech prediction, lemmatization, stop word identification and dependency parsing.

medium.com

 

Program Synthesis in 2017-18

Great overview of recent advances in Program Generation.

alexpolozov.com

 

Evolutionary algorithm outperforms deep-learning machines at video games

Neural networks have garnered all the headlines, but a much more powerful approach is waiting in the wings.

technologyreview.com

 

An opinionated introduction to AutoML and Neural Architecture Search

AutoML and Neural Architecture Search — where you let the algorithms choose and optimize neural networks' architectures and hyperparameters — are two hot topics right now. Some people like Jeff Dean even claim that they will help replace machine learning expertise with raw computational power.

fast.ai

 
 

  Software tools & code  

 

Measuring abstract reasoning in neural networks

DeepMind introduces an abstract reasoning dataset similar to some tasks found in human IQ tests.

deepmind.com

 

How decision trees work

github.io

 
 

  Hardware  

 

Edge TPU

Google announced a specialized TPU chip for edge devices. Still waiting for details on performance.

techcrunch.com

 
 

  Workplace  

 

Hiring? Looking for a job?

I am listing open positions in A.I. / M.L. here. Feel free to submit open positions here!

 
 

  Some inspiration  

 

The ethics of computer science: this researcher has a controversial proposal

Nature talks to Brent Hecht, who says peer reviewers must ensure that researchers consider negative societal consequences of their work.

nature.com

 

Why is Google Translate spitting out sinister religious prophecies?

Turns out that repeating the word "dog" many times led Google's neural networks to perform fun (some say creepy) translations.

vice.com

 
 

  About  

 

This newsletter is a collection of AI news and resources curated by @dlissmyr. If you find it worthwhile, please forward to your friends and colleagues, or share on your favorite network!

Share on Twitter · Share on Linkedin · Share on Google+

Suggestions or comments are more than welcome, just reply to this email.

Thanks!

 
You received this email because you subscribed via the Artificial Intelligence Weekly site.
We’ll be sorry to see you go but you can unsubscribe instantly.
 
Kozelo Boite 37 16 bis rue d'Odessa 75014 Paris France
 
 

 
 
©2018 Artificial Intelligence Weekly | Privacy Policy | Image moderation
 
Published with Curated

爱可可老师一周论文精选(2018.8.4)

No 1. 《t-SNE-CUDA: GPU-Accelerated t-SNE and its Applications to Modern Data》
No 2. 《UNet++: A Nested U-Net Architecture for Medical Image Segmentation》
No 3. 《ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design》
No 4. 【风格感知内容损失实时高清画风迁移】
No 5. 《Generating a Fusion Image: One's Identity and Another's Shape》
No 6. 《A Survey of the Usages of Deep Learning in Natural Language Processing》
No 7. 《TensorFuzz: Debugging Neural Networks with Coverage-Guided Fuzzing》
No 8. 《Multi-Agent Reinforcement Learning: A Report on Challenges and Approaches》
No 9. 《Techniques for Interpretable Machine Learning》
No 10. 《Clinical Text Classification with Rule-based Features and Knowledge-guided Convolutional Neural Networks》
No 11. 《Deep learning in agriculture: A survey》
No 12. 《FPGA-Based CNN Inference Accelerator Synthesized from Multi-Threaded C Software》
No 13. 《Highly Scalable Deep Learning Training System with Mixed-Precision: Training ImageNet in Four Minutes》
No 14. 【衍射深度神经网络全光机器学习】
No 15. 《From Adversarial Training to Generative Adversarial Networks》
No 16. 《MnasNet: Platform-Aware Neural Architecture Search for Mobile》
No 17. 《Automatically Designing CNN Architectures for Medical Image Segmentation》
No 18. 《GANimation: Anatomically-aware Facial Animation from a Single Image》
No 19. 《An Algorithm for Learning Shape and Appearance Models without Annotations》
No 20. 《Wasserstein GAN and Waveform Loss-based Acoustic Model Training for Multi-speaker Text-to-Speech Synthesis Systems Using a WaveNet Vocoder》
No 21. 《Sparse-to-Dense: Depth Prediction from Sparse Depth Samples and a Single Image》
No 22. 《Meta-learning autoencoders for few-shot prediction》
No 23. 《Progressive Neural Architecture Search》
No 24. 《Auto-Encoding Variational Neural Machine Translation》
No 25. 《Hierarchical Classification using Binary Data》
No 26. 《Meta-Learning Priors for Efficient Online Bayesian Regression》
No 27. 《Symbolic Execution for Deep Neural Networks》
No 28. 《Efficient Progressive Neural Architecture Search》
No 29. 《Understanding and representing the semantics of large structured documents》
No 30. 《LQ-Nets: Learned Quantization for Highly Accurate and Compact Deep Neural Networks》

爱可可老师一周热门分享(2018.8.4)

No 1. 《Python深度学习》
No 2. 《深度学习入门:基于Python的理论与实现》
No 3. 《Python与神经网络实战》
No 4. “神似”
No 5. 回顾:追踪NLP最新技术进展的两个好地方:NLP-progress http://t.cn/Rgk6…
No 6. 【百日机器学习编程计划】
No 7. 无始无终(用单面镜、LED、钢铁制成) by Anthony James src:
No 8. '中华新华字典数据库。包括歇后语,成语,汉字。提供新华字典API' by PWXCOO GitHub…
No 9. 是我……
No 10. “Accuracy”
No 11. 机器学习的每一波“浪潮”
No 12. 《2019 秋招的 AI 岗位竞争激烈吗? – 知乎》
No 13. 昨天Zotero那条消息挺受欢迎,趁热乎劲给大家汇总、推荐一下文献管理软件,顺序依个人喜好,欢迎朋友…
No 14. 《智能运维:从0搭建大规模分布式AIOps系统》
No 15. 八条人生法则:
1、学会适应
2、学会说不
3、耐心是种美德
4、努…

No 16. 【Kaggle比赛实战教程(Pandas, Matplotlib, XGBoost/Colab)】
No 17. 起跑线~ ​
No 18. 今天有朋友问起能处理中文的集成型NLP工具,简单汇总下:面向研究的StanfordNLP(Java…
No 19. 重要的是,不要固步自封 – 别怕犯错,别怕看上去有多蠢,别在意那些取笑你、想羞辱你的人。探索、实践、…
No 20. 《如何从一个空有上进心的人,变成行动上的巨人? – 知乎》
No 21. 【TensorFlow 1.9对树莓派提供官方支持】
No 22. 韦尔奇论文写作原则:1、就是篇长文而已,不是终生成就总结 2、好论文就是优秀发表文章的糟糕草稿 3….
No 23. [笑cry] ​
No 24. 【OpenCV目标追踪】
No 25. 【好久没用的文献管理工具Zotero,已经出独立客户端了,可配合浏览器插件使用,值得一试】
No 26. 四大生成模型优缺点比较:Autoregressive, VAE, Normalized, and G…
No 27. 【贝叶斯学习教程】
No 28. 【PyTorch指南:使用、思考、技巧与陷阱】
No 29. 【论文写作指南:如何写摘要】
No 30. 牛仔裤加工已经这么先进了? http://t.cn/Re6MLDF ​…
No 31. 【PyTorch深度学习迷你教程】
No 32. 【码农音乐创作利器Sonic Pi:用Ruby程序合成美妙音乐】
No 33. 中国留学生回国率:1987年:5% 2007年:30% 2017年:79%src:http:…
No 34. 【论文写作指南之学术观点的架构与表达】
No 35. 该来的总会来:AR甲油试妆App——最流行的,永远不必是技术上最难的 ​​​…
No 36. 【从fast.ai学到的十项技巧:用Fast.ai库、用多个学习速率、探索合适学习速率的方法、余弦退火、带重启动的随机梯度下降、人格化激活函数、NLP中用迁移学习超有效、深度学习有实力挑战结构化数据、building up sizes/dropout/TTA三板斧、创造力是关键】
No 37. 【伯克利分校课程:计算机程序结构与编译】
No 38. 【把命令行操作过程录制成gif】
No 39. “Best Comment”
No 40. 继Twitter、arXiv之后,GitHub似乎也要变成“垃圾场”
No 41. 666
No 42. 《我们看不懂一个数学证明仅仅是因为知识储备不够吗? – 知乎》
No 43. 【CT扫描数据集】
No 44. 【深度强化学习免费实例教程(Tensorflow)】
No 45. 【Baidu发布(Paddle)深度Bi-GRU-CRF网络中文词法分析(LAC)工具:分词、词性标注、命名实体识别】
No 46. 很多时候做项目的我们…… ​
No 47. 【(基于IMDB)面向噪声控制的人脸识别数据集(170万人脸/近6万个人)】
No 48. 【基于Keras的AutoML机器学习自动化库】
No 49. 【Kaggle新赛:Airbus卫星图像船只检测】
No 50. 【Keras实现的Image OutPainting:用GAN绘制“画框外”的世界】

TypeScript 3.0新特效详解;Kafka 2.0独家解读;Istio v1.0服务网格发布 – 每周精要548期

 中文站「每周精要」
感谢您订阅每周精要第 548 期,本期内容截止于2018-08-05。
技术新闻   TECH NEWS
Istio v1.0服务网格发布,各特性已生产就绪
在谷歌Cloud Next 2018大会上,Istio 1.0服务发布,其中,主要的新特性包括跨集群mesh支持、细粒度流量控制以及在一个mesh中增量推出mutual TLS的能力。
Amazon WorkSpaces现支持Amazon Linux 2 Desktop
随着新的Amazon WorkSpaces的推出,用户除了Windows 7和Windows 10之外,还可以使用Amazon Linux 2。
JavaScript和JSON创建者对JavaScript未来的展望
近期在伦敦召开的FullStack大会上,Brendan Eich和Douglas Crockford分别做演讲探讨了JavaScript的未来。
Android Studio 3.2 Beta 3引入了新的Navigation Editor、Android App Bundle等特性
Google在其Beta频道上发布了Android Studio 3.2 Beta 3。这个版本引入了新的Assistant和Navigation Editor。
谷歌云服务故障原因分析和补救措施
谷歌公布了近期的一个事件的根本原因分析结果,该事件影响了谷歌的部分云服务,并在大约32分钟的时间内将错误率提高了33%至87%,后续他们将采取措施改善平台性能和可用性。
SendGrid是如何扩展它的邮件传送系统的
SendGrid使用Go语言重写服务,逐步迁移到AWS,使用基于Ceph的分布式队列,团队因此每月可以处理超过400亿封电子邮件。
架构设计   ARCHITECTURE DESIGN
面试题:如何理解“UNIX里一切都是文件”这句话?
“一切皆文件”,而这个概念被认为是 UNIX 的灵魂之一。
推荐4个不错的Python自动化测试框架
文章推荐几个不错的 Python 自动化测试框架。
大部分的软件工程其实就是管道作业
我最近在网上读到一篇有关软件工程师电话技术面试的文章,为了拿到 offer,一个工程师必须在电话里。
运维 & DevOps   OPERATIONS & DEVOPS
Netflix有哪些来之不易的系统高可用经验?
正是这些从实战中总结出来的宝贵经验,成就了Netflix这样的全球流媒体巨头。
DevOps术语、工具集、技能图谱最全汇总
要实践DevOps,你需要掌握十八般武艺
谷歌发布Knative:用于构建、部署和管理Serverless工作负载的Kubernetes框架
Google Cloud Next 2018大会上,谷歌发布了Knative,该框架试图将开发云原生应用在三个领域的最佳实践结合起来。
大前端   THE FRONT END
TypeScript 3.0重磅发布,新特性详解!
本周微软正式发布TypeScript 3.0,这是TypeScript之旅的一个新的里程碑!
我用Vue和React构建了相同的应用程序,这是它们的差别
React与 Vue到底有哪些区别?
个推开发者服务升级,赋予运营更强数据能力
个推推出一站式消息推送、用户画像和应用统计服务,以数据智能驱动运营,从而全方位提升用户触达和管理决策,实现精细化运营。
人工智能   ARTIFICIAL INTELLIGENCE
Kafka 2.0重磅发布,新特性独家解读
Kafka 2.0终于来了!
MIT将开源OPAL:面对GDPR,安全的数据分享应该这样做!
面对严苛的GDPR,数据还是“新的石油”吗?
AI一周热闻:云从对外出口AI监控工具;高通放弃收购恩智浦;亚马逊人脸识别出现严重错误
发达国家对于AI监控工具的监管趋严,迫使它们流向更广阔的欠发达市场。
区块链   BLOCKCHAIN
继爆款超级账本后,IBM再次推出新产品
本周一,IBM 推出了用于金融服务区块链平台 LedgerConnect,继续扩大其区块链技术产品生态。
区块链架构设计建议:我们应该用区块链做什么?
本文以Hyperledger Fabric架构设计为例,先抛开有币的情况,针对联盟链,就“链圈人”一直关注的几个问题进行探讨,提出笔者对区块链应该用来做什么的建议。
三大主要云服务商均发布区块链服务,将理想全能疗法转为大众实用工具
通过新建合作伙伴关系,三大主要云服务商均已进军区块链领域,并发布了各自的区块链服务。
技术大会   CONFERENCE
BCCon:如何更好的在你的企业中加入区块链?
经过几个月的筹备,我们的区块链大会终于万事俱备了!只找正经的公司,靠谱的项目,希望来自 BAT、华为、小米、京东、苏宁、民生、众安、迅雷、美图等公司在区块链的实践提供一些参与区块链的正确姿势,供其它企业参考。
QCon:自研分布式高容量高性能的消息系统要怎么入手?
拍拍贷消息中间件团队结合业界开源消息系统与公司自身发展现状所定制的消息系统PMQ已经发展到3.0版本,支撑拍拍贷每天超过亿级的消息量。分布式消息系统在一线企业的落地和治理实践可以参考这个案例。
CNUTCon:CI/CD中高效测试基础架构的建设与实践
当前,CI/CD已经成为互联网公司的标准实践,CI/CD落地实践过程中会和测试有着密不可分的联系与交互,为此如何设计高效的测试基础架构,并以“测试即服务”的方式提供CI/CD与测试的集成变得尤为关键。
AICon:百度AI战略发力三个月赚出一个搜狗市值,怎么做到的?
百度第二季度财报显示总营收人民币260亿元(约合39.3亿美元)、净利润人民币64亿元(约合9.67亿美元),AI加持带来的技术创新使百度在3个月内赚出了一个搜狗的市值。大厂的AI战略终于迎来了第一波商业化的丰收。
极客时间App   GEEK TIME APP
从Facebook、Oracle、京东等头部大厂看进阶中高级程序员,你还差点什么?
许多程序员所做的业务仅仅是功能上的实现,完全不会遇到诸如“双十一”、“六一八”的高并发量挑战。那没有身处大型互联网公司就没有机会了?不,我们可以通过一些BATJ大牛的技术分享,学习到这些大型项目的设计和优化经验。
从产品经理的角度,了解世界级产品
你有没有过这样的情况:太在乎达到短期内制定的一个临时目标,而忽略了这个短期指标对产品的长期使命宣言的作用。《硅谷产品实战36讲》专栏告诉你普通产品和世界级产品的最大区别。
京东架构师:如何快速成长为一名技术专家?
技术是没有边界的,保持技术敏感性和快速学习能力程序员进阶的重要因素,对于一个优秀的程序员来讲,学习和思考是贯穿整个学习生涯的事情。《程序员进阶攻略》相信回会给予正在成长阶段的你很多启发与指引。
活动推荐   POPULAR EVENTS
百万级并发的互动直播架构经验
百万高并发互动直播架构如何设计?WebRTC服务怎么支撑月千万分钟用量?9月7日-8日,RTC 2018实时互联网大会,顶级技术大牛与你分享,报名从速!
报名倒计时3天 | AWS 技术峰会北京站
现场不仅有Amazon CTO Werner博士带来AWS最新技术落地实践,还有涵盖人工智能、IoT、Serverless、自动化运维(容器及微服务)、架构设计、安全等9大分论坛,更有世界顶级DJ带来的全场Party!快来体验一次不一样的非凡之旅吧!
大赛来袭,一起做通向未来世界的行动派!
2018华为开发者大赛强势来袭!本届大赛围绕云计算、大数据、物联网等九大领域,帮助开发者提升开发技能,生成解决方案,实现商业成功!
ArchSummit深圳2018:最前沿|Service Mesh、Kubernets大趋势下的那些事儿
在ArchSummit全球架构师峰会2018深圳站上,来自蚂蚁金服的四位技术专家围绕着Service Mesh和Kubernets展开了深度讨论,或许其中就有你困惑已久问题的解答!
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(2018.8.3)

No 1. 昨天Zotero那条消息挺受欢迎,趁热乎劲给大家汇总、推荐一下文献管理软件,顺序依个人喜好,欢迎朋友…
No 2. 【TensorFlow 1.9对树莓派提供官方支持】
No 3. 【论文写作指南:如何写摘要】
No 4. 《Python与神经网络实战》
No 5. 很多时候做项目的我们…… ​
No 6. 《Python深度学习》
No 7. 《深度学习入门:基于Python的理论与实现》
No 8. 是我……
No 9. 【面向机器学习的数学学习建议】
No 10. 朋友:嘿老兄,喝两杯? 我:算了,那东西会杀死脑细胞的。 朋友:杀死脑细胞?明明就是dropout,…
No 11. 【深度学习与医疗图像】
No 12. 回顾:追踪NLP最新技术进展的两个好地方:NLP-progress http://t.cn/Rgk6…
No 13. 《Techniques for Interpretable Machine Learning》
No 14. 可视化:四冲程循环发动机工作原理 ​…
No 15. 韦尔奇论文写作原则:1、就是篇长文而已,不是终生成就总结 2、好论文就是优秀发表文章的糟糕草稿 3….
No 16. 有朋友质疑我没有践行“找亮点”
No 17. 《Learning Visual Question Answering by Bootstrapping Hard Attention》
No 18. 《A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence》
No 19. 来自NMT的报道:fast.ai联合创始人惨遭学生殴打,靠速度逃过一劫
No 20. 【基于Keras的AutoML机器学习自动化库】
No 21. 'AnyQ(ANswer Your Questions) 开源项目:主要包含面向FAQ集合的问答系统…
No 22. 《t-SNE-CUDA: GPU-Accelerated t-SNE and its Applications to Modern Data》
No 23. 【(R)Keras实例集】
No 24. 【码农音乐创作利器Sonic Pi:用Ruby程序合成美妙音乐】
No 25. 八条人生法则:
1、学会适应
2、学会说不
3、耐心是种美德
4、努…

No 26. 【ml5.js机器学习入门指南】
No 27. 《Efficient Progressive Neural Architecture Search》
No 28. 在我读博期间,有位教授说过:“随便找篇论文,其中漏洞之大都能让你开着卡车穿过去,寻找*值得*你学习的东西”
No 29. 继Twitter、arXiv之后,GitHub似乎也要变成“垃圾场”
No 30. 原文出自今天这篇:http://t.cn/Re39A6r 下文是Google自动翻译的结果,看着有趣…
No 31. 【从fast.ai学到的十项技巧:用Fast.ai库、用多个学习速率、探索合适学习速率的方法、余弦退火、带重启动的随机梯度下降、人格化激活函数、NLP中用迁移学习超有效、深度学习有实力挑战结构化数据、building up sizes/dropout/TTA三板斧、创造力是关键】
No 32. 要是有人向你展示“效果奇佳”
No 33. 《MnasNet: Platform-Aware Neural Architecture Search for Mobile》
No 34. 【衍射深度神经网络全光机器学习】
No 35. 【AlphaGo Zero揭秘(SuperGo代码解析)】
No 36. 《Efficient Neural Architecture Search with Network Morphism》
No 37. 《Reinforced Evolutionary Neural Architecture Search》
No 38. 《PyData Berlin 2018 – YouTube》
No 39. 【(基于IMDB)面向噪声控制的人脸识别数据集(170万人脸/近6万个人)】
No 40. 【用GAN给裸女自动“穿”上比基尼
No 41. 【深度强化学习免费实例教程(Tensorflow)】
No 42. 《Geometry of energy landscapes and the optimizability of deep neural networks》
No 43. 《Online Adaptative Curriculum Learning for GANs》
No 44. 《爱可可老师24小时热门分享(2018.8.2)》
No 45. 【论文写作指南之:关于独创性(如何对知识作出重大贡献)】
No 46. 【十篇GAN论文的数学分析】
No 47. 《A Survey of the Usages of Deep Learning in Natural Language Processing》
No 48. 并非全盘否定平台价值,相反要努力在日益恶劣的环境下把这些平台上的信息高效用好,所说的“破烂王”
No 49. 《Deep learning in agriculture: A survey》
No 50. 【好久没用的文献管理工具Zotero,已经出独立客户端了,可配合浏览器插件使用,值得一试】

爱可可老师24小时热门分享(2018.8.2)

No 1. 《Python与神经网络实战》
No 2. 《深度学习入门:基于Python的理论与实现》
No 3. 八条人生法则:1、学会适应 2、学会说不 3、耐心是种美德 4、努…
No 4. 《Python深度学习》
No 5. 【好久没用的文献管理工具Zotero,已经出独立客户端了,可配合浏览器插件使用,值得一试】
No 6. 【从fast.ai学到的十项技巧:用Fast.ai库、用多个学习速率、探索合适学习速率的方法、余弦退火、带重启动的随机梯度下降、人格化激活函数、NLP中用迁移学习超有效、深度学习有实力挑战结构化数据、building up sizes/dropout/TTA三板斧、创造力是关键】
No 7. 【伯克利分校课程:计算机程序结构与编译】
No 8. 【码农音乐创作利器Sonic Pi:用Ruby程序合成美妙音乐】
No 9. 【深度强化学习免费实例教程(Tensorflow)】
No 10. 继Twitter、arXiv之后,GitHub似乎也要变成“垃圾场”
No 11. 【论文写作指南之:关于独创性(如何对知识作出重大贡献)】
No 12. 【今日限免:Python数据结构与算法】
No 13. 【(基于IMDB)面向噪声控制的人脸识别数据集(170万人脸/近6万个人)】
No 14. 【AlphaGo Zero揭秘(SuperGo代码解析)】
No 15. 【基于Keras的AutoML机器学习自动化库】
No 16. 【Baidu发布(Paddle)深度Bi-GRU-CRF网络中文词法分析(LAC)工具:分词、词性标注、命名实体识别】
No 17. 来自NMT的报道:fast.ai联合创始人惨遭学生殴打,靠速度逃过一劫
No 18. 【两分钟论文解读之神经网络的对抗性重编】
No 19. 'Keras Visualization Toolkit with 3D gradCAM' by k…
No 20. 来来来,补上一堂历史课~ ​
No 21. 《Deep learning in agriculture: A survey》
No 22. 《t-SNE-CUDA: GPU-Accelerated t-SNE and its Applications to Modern Data》
No 23. 【书稿:(R)数据可视化基础】
No 24. 需要用一生细细体会//八条人生法则:
1、学会适应
2、学会说不
3、耐心是…

No 25. 《Wasserstein GAN and Waveform Loss-based Acoustic Model Training for Multi-speaker Text-to-Speech Synthesis Systems Using a WaveNet Vocoder》
No 26. 【OpenCV视频数据处理工作流】
No 27. 海浪之美
No 28. 【衍射深度神经网络全光机器学习】
No 29. 【RNN标点还原(Wolfram)】
No 30. 这版本也不错 [笑cry]
No 31. 《MnasNet: Platform-Aware Neural Architecture Search for Mobile》
No 32. 新一代“破烂王”
No 33. 新章节:“Visualizing associations among two or more quantitative variables”
No 34. 【(杂志)计算机视觉新闻2018.8期】
No 35. 《爱可可老师24小时热门分享(2018.8.1)》
No 36. 【论文写作指南之学术观点的架构与表达】
No 37. “Accuracy”
No 38. 【AI时代的专利之战:尽管承诺开放,公司们还是在争相申请AI技术专利】
No 39. 《ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design》
No 40. 今天有朋友问起能处理中文的集成型NLP工具,简单汇总下:面向研究的StanfordNLP(Java…
No 41. 帮我们实现“超级英雄”
No 42. 《Count-Based Exploration with the Successor Representation》
No 43. 参数空间优化过程 src:http://weibo.com/1402400261/GrFzJv40B…
No 44. 欢迎参与!
No 45. 《A Survey of the Usages of Deep Learning in Natural Language Processing》
No 46. 原文出自今天这篇:http://t.cn/Re39A6r 下文是Google自动翻译的结果,看着有趣…
No 47. “NumPy 1.15.0 Released”
No 48. 《创业公司怎么招人? – 知乎》
No 49. 【百日机器学习编程计划】
No 50. 【(Keras)用卷积网络区分自然图像和生成图像】