爱可可老师24小时热门分享(2018.8.14)

No 1. '机器学习实战(Python3):kNN、决策树、贝叶斯、逻辑回归、SVM、线性回归、树回归' by…
No 2. '2018/2019/校招/春招/秋招/自然语言处理(NLP)/深度学习(Deep Learning…
No 3. “Tensorflow实战学习笔记、代码、机器学习进阶系列”
No 4. 【OpenCV人流量计数】
No 5. 【动手玩:卷积网络可视化】
No 6. 【银行卡、身份证、门牌号光学识别】
No 7. [笑而不语] ​
No 8. 《机器学习基石》
No 9. 【深度学习资源集锦】
No 10. 永远不要轻言放弃 ​​​
No 11. 【CMU课程:机器翻译与序列到序列模型(2017)】
No 12. 【自然语言处理语义学习】
No 13. 【TensorFlow实现的深度网络表情识别】
No 14. 【100个你一直想知道又不好意思问的语义和语用学问题】
No 15. 【(PyTorch)合成-现实(Synthetic-to-Realistic)转换深度估计】
No 16. 【机器学习与网络安全相关代码资源】
No 17. 【如何用DyNet/PyTorch/Tensorflow实现词性标注】
No 18. 《FAGAN: Full Attention GAN》
No 19. 【OpenAI Five vs Dota 2人机Dota比赛解析】
No 20. 【用Java部署Keras深度学习模型】
No 21. 《Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) Network》
No 22. 【(TensorFlow)神经网络实体关系抽取】
No 23. 【信息先验层次贝叶斯神经网络】
No 24. “事先计划”
No 25. '基于深度学习人脸标定算法 Open Source Face Landmark(w/Android …
No 26. 老师木 之前说过很多人不了解TensorFlow性能的问题,应该可以参考下面的文档
No 27. 最悲情的采样:图像像素数=该物种现存数量
No 28. 【机器学习在线交互式Demo集锦】
No 29. 《Dropout is a special case of the stochastic delta rule: faster and more accurate deep learning》
No 30. 【Python通用并行/分布式框架】
No 31. 【数据科学速查】
No 32. 这冲的不是浪,是海啸吧? (巴西的Rodrigo Koxa创冲浪新纪录) http://t.cn/R…
No 33. 【眼病治疗的重要里程碑——像世界领先的专家医生那样准确诊断50多种威胁视力的眼科疾病】
No 34. 【哇!英仙座流星雨】
No 35. 《How Complex is your classification problem? A survey on measuring classification complexity》
No 36. 书写是最好的思考形式。书写使用的语言会影响思想范围——包括某些概念词汇的缺失与否、词语细微差别的精确…
No 37. 用CPU训练深度网络 http://t.cn/RDBcS9W ​
No 38. 【H2O机器学习平台教程资料】
No 39. 《End-to-end Active Object Tracking and Its Real-world Deployment via Reinforcement Learning》
No 40. 【面向(低端/老配置)Windows的预编译版TensorFlow】
No 41. 《Large Scale Language Modeling: Converging on 40GB of Text in Four Hours》
No 42. 【Python线性压缩:PCA vs. 无监督特征选择】
No 43. 《Building a Cross-Framework Deep Learning Compiler via DLPack》
No 44. 以爱之名 ​
No 45. 行星碰撞模拟动画 http://t.cn/RD8V2NV ​
No 46. 走“进”
No 47. 《Overlapping community detection using superior seed set selection in social networks》
No 48. 【涂鸦猫Demo(TensorFlow.js)】
No 49. 《Graph Attention Networks》
No 50. 【神经算术逻辑单元解析】

爱可可老师24小时热门分享(2018.8.13)

No 1. [笑而不语] ​
No 2. '2018/2019/校招/春招/秋招/自然语言处理(NLP)/深度学习(Deep Learning…
No 3. 【Python通用并行/分布式框架】
No 4. 以爱之名 ​
No 5. 循环 ​
No 6. 【动手玩:卷积网络可视化】
No 7. 行星碰撞模拟动画 http://t.cn/RD8V2NV ​
No 8. 【Python线性压缩:PCA vs. 无监督特征选择】
No 9. 【27.23TB研究资源BT种子库(数据集/论文/课程)】
No 10. 【数据科学速查】
No 11. 《Object Detection in Satellite Imagery using 2-Step Convolutional Neural Networks》
No 12. Google如何在短期内大幅提高全球网民科学素养:简单把“Google Scholar”
No 13. 【自然语言处理语义学习】
No 14. 【100个你一直想知道又不好意思问的语义和语用学问题】
No 15. 【神经算术逻辑单元解析】
No 16. 借助AR解说环法自行车赛 http://t.cn/RD87E5z ​…
No 17. 《PCN: Point Completion Network》
No 18. 作为个人,不要问:“我能得到什么?”
No 19. 《Probabilistic Causal Analysis of Social Influence》
No 20. 《Physics-Based Generative Adversarial Models for Image Restoration and Beyond》
No 21. 《Adaptive Temporal Encoding Network for Video Instance-level Human Parsing》
No 22. 《Kerman: A Hybrid Lightweight Tracking Algorithm to Enable Smart Surveillance as an Edge Service》
No 23. 《Sentimental Content Analysis and Knowledge Extraction from News Articles》
No 24. 《Classification of Building Information Model (BIM) Structures with Deep Learning》
No 25. 《Attentional Aggregation of Deep Feature Sets for Multi-view 3D Reconstruction》
No 26. 世界需要少些大师,多些学者。 大师靠直觉悟道,学者靠证据寻道。大师推广自我,学者推广想法。 大…
No 27. 《Online Illumination Invariant Moving Object Detection by Generative Neural Network》
No 28. 《Active Learning based on Data Uncertainty and Model Sensitivity》
No 29. 《腾讯AI Lab自然语言处理中心招聘实习生》
No 30. 《Evaluating the Readability of Force Directed Graph Layouts: A Deep Learning Approach》
No 31. 【信息图:数据科学(Python/R/Scala)顶级库大比拼】
No 32. 《RGB Video Based Tennis Action Recognition Using a Deep Weighted Long Short-Term Memory》
No 33. 【pandas/networkx图分析入门】
No 34. 《A Very Brief Introduction to Machine Learning With Applications to Communication Systems》
No 35. 《Expert Recommendation via Tensor Factorization with Regularizing Hierarchical Topical Relationships》
No 36. 《An Iterative Boundary Random Walks Algorithm for Interactive Image Segmentation》
No 37. 【基于Keras的AutoML机器学习自动化库】
No 38. 《Rapid Adaptation of Neural Machine Translation to New Languages》
No 39. 【NLP介绍】
No 40. 《code2seq: Generating Sequences from Structured Representations of Code》
No 41. 【不起眼的天才:Google’s AutoML背后的人】
No 42. 宇宙尺度
No 43. 【2018数据科学求职指南:找份好工作需要什么学历?】
No 44. 《Double Supervised Network with Attention Mechanism for Scene Text Recognition》
No 45. 【大脑皮层里的170亿台电脑——神经网络之神经网络】
No 46. AI领域太多人在追新潮流。我的建议是:多关注基本原理,多关注长期挑战。如今的主要问题,与20年前是一…
No 47. 【GitHub最受欢迎深度学习开源项目排行榜】
No 48. 《Enabling Trust in Deep Learning Models: A Digital Forensics Case Study》
No 49. 【Bengio访谈:如何组建研究实验室】
No 50. 《Deeply Self-Supervising Edge-to-Contour Neural Network Applied to Liver Segmentation》

爱可可老师24小时热门分享(2018.8.12)

No 1. [笑而不语] ​
No 2. 循环 ​
No 3. AI领域太多人在追新潮流。我的建议是:多关注基本原理,多关注长期挑战。如今的主要问题,与20年前是一…
No 4. 相谈甚欢 ​
No 5. 【信息图:数据科学(Python/R/Scala)顶级库大比拼】
No 6. 【pandas/networkx图分析入门】
No 7. 【NLP介绍】
No 8. 对刚接触数据科学/机器学习/AI等的朋友们的建议:指标和评价最重要。了解如何评价模型以及如何衡量、解…
No 9. 风景 ​
No 10. 世界需要少些大师,多些学者。 大师靠直觉悟道,学者靠证据寻道。大师推广自我,学者推广想法。 大…
No 11. 单纯关注机器本身,忽视从更大规模系统和社会角度的思考,这份傲慢,是技术行业原地踏步的根源。
No 12. 【不起眼的天才:Google’s AutoML背后的人】
No 13. 【2018数据科学求职指南:找份好工作需要什么学历?】
No 14. 宇宙尺度
No 15. 【ICML 2018上的GAN与变分自编码器】
No 16. 【到底要不要“复制大脑”?:AI的最大突破,即深度学习,已经碰壁,关于如何进入下一阶段的争论仍在激烈进行中】
No 17. 【大脑皮层里的170亿台电脑——神经网络之神经网络】
No 18. 【机器学习是伪科学吗?】
No 19. 【Kaggle新赛:Home Credit违约风险预测——你能预测每个申请人是否有能力偿还贷款吗?】
No 20. 【探索相关系数背后的数据模式】
No 21. 《Deeply Self-Supervising Edge-to-Contour Neural Network Applied to Liver Segmentation》
No 22. 【基于Keras的AutoML机器学习自动化库】
No 23. 【经验激活:大脑如何模拟世界,以便对未来进行实验——大脑构建了我们周围世界的复杂模型,能准确模拟当前未被感知的方面,以及未来(多个)未被感知的潜在方面】
No 24. 谁说重复发明轮子(Reinventing the wheel)没意义?
No 25. 《Instance-level Human Parsing via Part Grouping Network》
No 26. 《An Iterative Boundary Random Walks Algorithm for Interactive Image Segmentation》
No 27. 《Double Supervised Network with Attention Mechanism for Scene Text Recognition》
No 28. 【深度学习音乐生成方法综述(日文)】
No 29. 《NIMFA: A Python Library for Nonnegative Matrix Factorization》
No 30. 【Coursera推新机器学习工具,向公司展示员工在课程中获得的技能和专业水平】
No 31. 如果SVM也用了神经科学术语,是不是2000年左右的研究人员也会研究大脑如何实现核方法……🤔via…
No 32. 《Fashion AC-GAN with Keras | Kaggle》
No 33. 【Bengio访谈:如何组建研究实验室】
No 34. pdf:http://t.cn/RDODWzd
No 35. 《Learning from History and Present: Next-item Recommendation via Discriminatively Exploiting User Behaviors》
No 36. 《Object Localization and Size Estimation from RGB-D Images》
No 37. 《RecoGym: A Reinforcement Learning Environment for the problem of Product Recommendation in Online Advertising》
No 38. 参赛队伍已达到创纪录的6k+家
No 39. 《code2seq: Generating Sequences from Structured Representations of Code》
No 40. 【树莓派/TensorFlow版“瓦尔多在哪里”机器人——复古小手莫名喜感】
No 41. 【很方便:Kaggle Kernels上的fast.ai第一季课程】
No 42. 《A Tutorial on Network Embeddings》
No 43. 《Sequence Discriminative Training for Deep Learning based Acoustic Keyword Spotting》
No 44. 《High-dimensional regression in practice: an empirical study of finite-sample prediction, variable selection and ranking》
No 45. 《Language Model Supervision for Handwriting Recognition Model Adaptation》
No 46. “每周为思考留出空间,不写代码、不码字、甚至不阅读,专注思考那些困扰你的大问题。”
No 47. 很好 ​
No 48. 《Principles for Developing a Knowledge Graph of Interlinked Events from News Headlines on Twitter》
No 49. 【Java机器学习开发库精选】
No 50. 《Large Scale Language Modeling: Converging on 40GB of Text in Four Hours》

RocketMQ 4.3正式发布,Dart2正式发布,最热门的机器学习开源项目TOP5 – InfoQ每周精要549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2018-08-12。
技术新闻   TECH NEWS
RocketMQ 4.3正式发布,支持分布式事务
本文将详细探秘RocketMQ事务消息的设计原理以及实现机制。
Conduit项目已经被正式合并到Linkerd中
7月17日,Linkerd 发布了推文“The @runconduit code merge is complete…”,Conduit 随之成为流行的 Linkerd 服务网格的下一代版本。
Uber开源Fusion.js:一个基于插件架构的通用Web框架
Uber的Web平台团队开发了Fusion.js,一个开源的Web框架,用于简化Web开发,并构建出高性能的轻量级Web应用程序。
Android P正式发布,你需要尽快做适配了
今天,Android开发者博客宣布正式向全球发布Android 9.0,代号为Android Pie,最新的源代码也将在Android开源项目(AOSP)中发布。
TypeScript 3.0重磅发布,新特性详解!
微软正式发布TypeScript 3.0,这是TypeScript之旅的一个新的里程碑!
Docker发布应用程序指南
Docker最近发布了Docker应用程序指南,指南中演示了如何在Docker Enterprise和Docker Desktop上部署应用程序,为选择容器镜像和部署原型应用程序提供了架构示例和指南。
架构设计   ARCHITECTURE DESIGN
空降的技术管理者应该如何开展工作?
空降到新的平台之后,该如何一步步开展工作,迅速发挥作用,得到公司上下的认可呢?
基于CQRS的架构在答题PK小游戏中的实践案例
本文介绍的是后者这种实现方式的CQRS架构在研发实时答题PK系统中的实践。
小团队如何以“正确的方式”设计微服务架构?
本文讨论了如何“以正确的方式”设计微服务架构。
运维 & DevOps   OPERATIONS & DEVOPS
AWS员工疏忽,GoDaddy数万系统配置信息和AWS折扣价格泄漏
即使对于全球大公司,数据安全仍然是隐患。
腾讯云对“前沿数控”数据丢失技术复盘:运维操作违规
运维,永远的背锅侠。
作为一名Java工程师,我在DevOps团队都经历了什么
我是一名Java工程师。每当听到其他DevOps工程师讲述他们遇到的麻烦事我就感到莫名的开心。直到两年前,我开始参与代码的部署,一年前,我开始部署别人的代码。
大前端   THE FRONT END
Dart重启!Dart2正式发布,目标成为移动与Web开发主流语言
Google Dart产品经理宣布Dart 2正式发布,这标志着Dart语言的重启,目标成为主流的移动和Web开发语言。
REST将会过时,而GraphQL则会长存
在本文中,作者介绍了GraphQL的基本原理和设计思想,以及如何借助其灵活性来解决RESTful API面临的问题,并且探讨了灵活性所带来的成本 。
前端周报:TypeScript 3.0发布,前端面试指南免费下载
前端周报专注大前端领域内容,帮助开发者了解一周前端热点;分为新闻热点、开发教程、工程实践、深度阅读、开源项目等栏目。
人工智能   ARTIFICIAL INTELLIGENCE
7月份最热门的机器学习开源项目TOP5
你不可错过的5个开源项目!
泡沫破裂之后,强化学习路在何方?
这一领域值得持续投入研究,但应用时需保持理性。
AI一周热闻: 特斯拉或将退市;腾讯云致数据丢失事件发酵;GE华人工程师被捕
新鲜事,简单报,AI一周热闻速报。
区块链   BLOCKCHAIN
继爆款超级账本后,IBM再次推出新产品
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。
IPFS:情怀很好,但Google这样的企业敢使用吗?
试想这样一个世界:4k视频流无需缓冲、用户离线不会影响线上工作、商家可以零成本开展电子商务活动、政府无法控制互联网接入。
加密货币被黑频发?但是大部分“黑客”用的方法很简单!
加密货币被黑的事不断地发生?其实那都是诱骗点击的胡说!
技术大会   CONFERENCE
倒计时1周,BCCon全球区块链生态技术大会大揭底!
大会集合BAT、华为、小米、京东、360等诸多大企,将通过30多场高浓度专业演讲和案例展示,分享区块链开发者生态圈的前沿技术和最新落地成果,为数百位开发者提供开放的交流学习环境,开启区块链开发未来世界的大门。
QCon:从0到2千万的小程序是怎样炼成的?
互联网行业野蛮生长的阶段逐渐成熟,互联网意识和技术能力逐渐下沉,新的竞争环境下如何定义产品核心价值,并利用新的产品传播渠道与目标用户群建立联系的方法与经验?
CNUTCon:2018年运维趋势详解!
本届CNUTCon设置了十二大专场,并邀请到了百度、阿里、腾讯、华为、携程、搜狗、eBay等50+一线技术大咖前来分享运维的前沿技术和创新实践。更有会后2天深度培训,围绕智能运维、微服务与DevOps、AIOps、Kubernetes等技术,结合实践案例,让你从入门到精通!
AICon:AI一日人间180年,强化学习击败人类全解析
从AlphaGo到OpenAI,机器又一次击败了人类。机器学习的算法到底有何强大之处?本届AICon我们请到了360颜水成、阿里华先胜、京东裴健、小米崔宝秋来聊一聊人工智能与机器学习那些事。
极客时间App   GEEK TIME APP
初级工程师的进阶指南
机会丰富而又竞争激烈的互联网时代,普通工程师该如何努力才能脱颖而出?如今技术迭代迅速,如何高效学习,做到取舍自如,事半功倍?看看这份学习进阶指南,带你找到答案。
活动推荐   POPULAR EVENTS
实时互联网时代的大前端开发
如何跨越Web端的音视频互通门槛?直播中的消息并发如何优化?如何优化在线教育Web端的音视频体验?9月,RTC 2018实时互联网大会为你解答。
有奖金有助攻,这么棒的比赛,你还不来参加?
一个百万现金的开发者大赛,一次云计算、大数据…九大领域开放能力的大比拼,一项创意项目商业化落地的挑战。报名吧,你就是华为要找的那个人!
Serverles的天坑填补与修炼手册
有的人说Serverless架构安全便捷高效可靠,有的人说开发Serverless只是工作量的转移,天使还是魔鬼?你需要来这里了解一下。
架构师实践日第30期:智慧教育技术实践与分享
8月18日·北京,七牛云将携手三好网、乂学教育及亮风台共同探讨直播技术、自适应技术、AR技术如何赋能教育行业。
BCCon:全球区块链生态技术大讲堂
Hyperledger专家近日指出链圈看似安静的背后是多到加班也做不完的项目,BCCon区块链技术大讲堂力邀五位优秀区块链技术专家为你揭晓链圈真相。
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(2018.8.9)

No 1. 【用TensorFlow.js实现手语识别】
No 2. 有些公司的“超级智能”
No 3. 惊现!史上最“亲民”论文解读
No 4. 《YOLO3D: End-to-end real-time 3D Oriented Object Bounding Box Detection from LiDAR Point Cloud》
No 5. 条码也疯狂 http://t.cn/RDMUAhl ​
No 6. 选择性采样 http://t.cn/RDfbIPh ​
No 7. 《Python与神经网络实战》
No 8. 请保证充足睡眠。偶尔在会议截止日期前通个宵是可以的,但不要以任何理由长期剥夺睡眠时间。人在休息时是最…
No 9. 《Holistic 3D Scene Parsing and Reconstruction from a Single RGB Image》
No 10. 【数据可视化速查表】
No 11. 我们的大学将关注重点放在了考试结果、课程完成和学位上,实在太疯狂了。我希望他们更鼓励学生创造和建设。他们更该看重的成绩单是“这些是我们在这儿创造的十个最棒的作品”
No 12. 【用Pytroch 0.4实现的YoloV3】
No 13. 《Importance of the Mathematical Foundations of Machine Learning Methods for Scientific and Engineering Applications》
No 14. 《深度学习:卷积神经网络从入门到精通》
No 15. 磁力之美 http://t.cn/RDXbHzc ​
No 16. 【基于RNN的可训练端到端TTS语音合成系统】
No 17. 今日焦点:单幅RGB图像整体三维场景解析与重建…
No 18. 《Paying Attention to Attention: Highlighting Influential Samples in Sequential Analysis》
No 19. 《Grassmannian Learning: Embedding Geometry Awareness in Shallow and Deep Learning》
No 20. 【Minecraft复杂世界强化学习竞赛】
No 21. 《Structure Learning for Relational Logistic Regression: An Ensemble Approach》
No 22. 《Learning to Share and Hide Intentions using Information Regularization》
No 23. 'Speech-to-Text Benchmark' by Picovoice GitHub: ht…
No 24. 【面向统计学家的变分推断综述】
No 25. 《Unbiased Implicit Variational Inference》
No 26. 《Attentive Generative Adversarial Network for Raindrop Removal from a Single Image》
No 27. 《DeepTAM: Deep Tracking and Mapping》
No 28. 【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 29. Home:http://t.cn/RDMwd83
No 30. 《Robust Implicit Backpropagation》
No 31. 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 32. 【域适配问题相关文献大列表】
No 33. 《爱可可老师24小时热门分享(2018.8.8)》
No 34. 简单有趣的水滴游戏 http://t.cn/RDXtYU5 ​…
No 35. 【(Python)基于matplotlib的动画绘图库】
No 36. 【隐性自编码器】
No 37. 【神经网络Beatbox:RNN节奏生成+音频分类】
No 38. 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 39. 物理老师伯恩斯先生制作的双黑洞发射#引力波#可视化 http://t.cn/RdPNH3e ​…
No 40. 【如何写研究计划书】
No 41. 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 42. 【田渊栋直播首秀】
No 43. 【可视化:全球66大城市25年来城市增长与密度变化】
No 44. 【二元Logistic回归教程】
No 45. 《Composition Loss for Counting, Density Map Estimation and Localization in Dense Crowds》
No 46. 【OpenCV多目标追踪】
No 47. 【《Python与神经网络实战》】
No 48. 'Implementation of the HMAX model of vision in PyT…
No 49. 【AI/CV/DM/NLP最新国际会议列表】
No 50. 《Is Robustness the Cost of Accuracy? — A Comprehensive Study on the Robustness of 18 Deep Image Classification Models》

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