爱可可老师24小时热门分享(2018.7.15)

No 1. 别人论文的结果 vs. 你复现的结果 ​
No 2. 【(白皮书)MATLAB到Python:迁移指南】
No 3. 瞬间的艺术:水滴“打印机”
No 4. 【哥大课程:面向数据科学的机器学习】
No 5. 【Python 3教学课程(Jupyter notebooks)】
No 6. 机器学习是令人惊叹的工程成就,但离真正的科学还远得很。一切还是1990年那一套,只是规模有所扩大,相…
No 7. 【Andrew NG的《Machine Learning Yearning》中文翻译版】
No 8. 《An Intriguing Failing of Convolutional Neural Networks and the CoordConv Solution》
No 9. “不一样的概率导论课”
No 10. 【Tensorflow.js股市预测】
No 11. “AI研究的目标”
No 12. 【贝叶斯数据科学两大方法:模拟与概率编程】
No 13. 【斯坦福课程:机器学习硬件加速器】
No 14. 【免费书稿:R语言统计学入门】
No 15. 【利用Tensorflow对象检测API加速训练与推理】
No 16. 【一般感知流形的分类几何】
No 17. 【可视化:世界各城市街道方向统计”】
No 18. 【jupyterlab使用教程】
No 19. 永远不要被工具困住 ​
No 20. “Tensorflow.js股市预测”
No 21. 《Mask TextSpotter: An End-to-End Trainable Neural Network for Spotting Text with Arbitrary Shapes》
No 22. Pytorch implementation of CoordConv GitHub:http://…
No 23. 【ACL 2018 Facebook成果汇总】
No 24. 《Natural Language Processing for Music Knowledge Discovery》
No 25. 《The GAN Landscape: Losses, Architectures, Regularization, and Normalization》
No 26. 《Multi-task Mid-level Feature Alignment Network for Unsupervised Cross-Dataset Person Re-Identification》
No 27. “贝叶斯数据科学两大方法:模拟与概率编程”
No 28. 《Manifold regularization with GANs for semi-supervised learning》
No 29. 《Sem-GAN: Semantically-Consistent Image-to-Image Translation》
No 30. 新款拉风电动独轮车了解一下 http://t.cn/RgzqAZw ​…
No 31. 《怦然心动》
No 32. 【Jupyter的Matplotlib交互图表扩展】
No 33. “(CMU)NeuLab Presentations at ACL 2018”
No 34. 深度学习革命发生在加拿大,因为加拿大人习惯了漫长的冬天。 [笑cry]
No 35. 《BayesGrad: Explaining Predictions of Graph Convolutional Networks》
No 36. 【PointSIFT点云3D语意分割】
No 37. 【edX新课:概率导论】
No 38. 【可重现机器学习:软件挑战、八卦和工程解决方案】
No 39. 【基于VORONOI图的“抢地盘”游戏】
No 40. 【如何将Python自然语言处理速度提升100倍:用spaCy/Cython加速NLP】
No 41. 计算机科学“不过是工程”
No 42. 《Light-Head R-CNN: In Defense of Two-Stage Object Detector》
No 43. 【(彭博)视频课程:机器学习基础】
No 44. 《Learning in Variational Autoencoders with Kullback-Leibler and Renyi Integral Bounds》
No 45. 《Revisiting the Hierarchical Multiscale LSTM》
No 46. 《Using deep learning for comprehensive, personalized forecasting of Alzheimer's Disease progression》
No 47. 《Reflection Analysis for Face Morphing Attack Detection》
No 48. 【新书:TensorFlow自然语言处理】
No 49. 《Inducing Grammars with and for Neural Machine Translation》
No 50. 《Scalable Gaussian Processes with Grid-Structured Eigenfunctions (GP-GRIEF)》

爱可可老师24小时热门分享(2018.7.14)

No 1. 《The GAN Landscape: Losses, Architectures, Regularization, and Normalization》
No 2. 《深度学习之美:AI时代的数据处理与最佳实践》
No 3. 《怦然心动》
No 4. 真正的技术 ​
No 5. 论文提交前,让共同作者审阅论文的方法,按功效排名:5.电子邮件 4.电话 3.会议 2.单聊 1.在草稿里故意拼错他的单位 要加急的话,可以用“双重打击”
No 6. 【(彭博)视频课程:机器学习基础】
No 7. 深度学习革命发生在加拿大,因为加拿大人习惯了漫长的冬天。 [笑cry]
No 8. 【新书:TensorFlow自然语言处理】
No 9. COSPLAY版无人驾驶 ​
No 10. 【斯坦福课程:机器学习硬件加速器】
No 11. 【用预训练VGG16判断胸片心脏肥大】
No 12. 【用云端TPU 30分钟训练、部署手机实时目标检测】
No 13. 模块化网状蠕虫机器人 ​
No 14. 【图像画风变换:发展与前景】
No 15. 新款拉风电动独轮车了解一下 http://t.cn/RgzqAZw ​…
No 16. “国人对待天才的态度”
No 17. 【(白皮书)MATLAB到Python:迁移指南】
No 18. 【(PyTorch)视觉对话挑战基础实现】
No 19. 【目标检测综述:一阶段方法】
No 20. 【Kaggle比赛优胜方案汇总】
No 21. 机器学习是令人惊叹的工程成就,但离真正的科学还远得很。一切还是1990年那一套,只是规模有所扩大,相…
No 22. 【机器学习自动化系列:机器学习从业者做什么】
No 23. 【从变分贝叶斯开始:大数据贝叶斯推理】
No 24. 《Structured Bayesian Gaussian process latent variable model: applications to data-driven dimensionality reduction and high-dimensional inversion》
No 25. 《Universal Transformers》
No 26. 《爱可可老师一周热门分享(2018.7.14)》
No 27. “Coarse-to-Fine Decoding for Neural Semantic Parsing”
No 28. 《A Bayesian Nonparametric Approach to Geographic Regression Discontinuity Designs: Do School Districts Affect NYC House Prices?》
No 29. 【蒙特祖马复仇游戏被“搞定”了吗?——从最近深度强化学习成功的炒作谈开去】
No 30. 《Semantically Equivalent Adversarial Rules for Debugging NLP Models》
No 31. 《Explorations in Homeomorphic Variational Auto-Encoding》
No 32. 【利用Tensorflow对象检测API加速训练与推理】
No 33. 《Latent Alignment and Variational Attention》
No 34. 《爱可可老师24小时热门分享(2018.7.13)》
No 35. 【可视化:世界各城市街道方向统计”】
No 36. 《超强的学习能力是怎样练就的? – 知乎》
No 37. 《Learning with Temporal Point Processes(ICML 2018 Tutorial)》
No 38. “不一样的概率导论课”
No 39. 【基于web的视频图像标记工具】
No 40. “如何撰写,组织和聚焦文献综述——展示知识,利用可靠资源,搜索和选择材料,整合关键内容+整合他人的概念和想法”
No 41. 《爱可可老师一周论文精选(2018.7.14)》
No 42. 2025年,当神经网络升级到万亿级参数,AI能否达到人脑的能力?人脑效能比最新硬件高上百倍
No 43. 【改进版卷积CoordConv介绍视频】
No 44. 《When deep learning meets security》
No 45. “Proceedings of IJCAI 2018”
No 46. 【(TensorFlow)机器学习交互示例集】
No 47. 评审:“忽略了太多关于X的文献”
No 48. 《为什么很多大学生甚至研究生抛弃专业去做码农呢? – 知乎》
No 49. 《Negative Momentum for Improved Game Dynamics》
No 50. 《浅谈人工智能》

Google开源其Java容器化工具Jib,Udacity也弃用React Native了 – InfoQ每周精要545期

 中文站「每周精要」
感谢您订阅每周精要第 545 期,本期内容截止于2018-07-15。
技术新闻   TECH NEWS
JSUI:一个管理JavaScript应用的UI工具
JSUI推出了一款创建和管理JavaScript应用程序的可视化工具。
Apache发布Groovy 2.5正式版及3.0预览版
Apache最近发布了Groovy 2.5,对AST转换进行了改进并引入了对宏的支持。Groovy 3.0的开发工作也正在顺利进行中,发布候选项计划于2018年底完成。
Android模拟器Windows版现在支持AMD硬件加速和Hyper-V了
为了提升在AMD处理器或微软Hyper-V虚拟机上运行时的速度,最新发布的Windows Android模拟器支持以前仅在Intel处理器上才提供的硬件加速增强了。
AWS Config新增跨账户、跨区域数据聚合功能
近日,AWS增加了跨多个账户和/或区域聚合由AWS Config Rules生成的合规数据的功能,实现了AWS资源的集中审计和治理。
微软宣布Azure SQL Data Sync服务正式可用
微软近日宣布,Azure SQL Data Sync 服务正式可用(GA),该服务允许用户在 Azure SQL Database 与其他 SQL 数据源之间进行单向或双向通信。
Electric Cloud推出用于DevOps的预测分析平台
ElectricFlow DevOps Foresight使用深度学习来识别发布管道中的模式,评估软件发布成功的可能性,并提出建议以逐步提高管道性能和应用程序质量。
架构设计   ARCHITECTURE DESIGN
Google开源其Java容器化工具Jib,简化镜像构建全流程
谷歌开源了一个Java容器化工具Jib,有了这个工具,Java开发人员可以使用他们熟悉的 Java工具来构建容器。
微服务架构为什么需要配置中心?
在分布式微服务环境下,应用配置管理背后的业务需求,配置的各种分类和一些高级应用场景解析。
怎么样的架构才是好架构?
架构之路漫长,继续前行,共勉。
运维 & DevOps   OPERATIONS & DEVOPS
详解如何使用Istio监控基于容器的服务
Istio服务网格可在不修改代码的情况下实现API增强,并且不会带来服务延迟。如何全面了解Kubernetes基础设施?如何在基于容器的基础设施中使用Istio服务网格?
蚂蚁金服大规模微服务架构下的Service Mesh探索之路
本文是根据蚂蚁金服Service Mesh布道师敖小剑在Service Mesher社区进行的第一次Meetup上分享的《大规模微服务架构下的Service Mesh探索之路》现场演讲内容实录整理编辑而成,希望能给关注Service Mesh产品的朋友们带来帮助和了解。
GitHub的MySQL高可用性实践
本文阐述了GitHub的MySQL高可用性和主服务发现解决方案,这个方案使得GitHub能够可靠地进行跨数据中心运维、克服数据中心隔离的影响并在故障时减少宕机时间。
大前端   THE FRONT END
微信小程序的下一步:支持NPM、小程序云、可视化编程、支持分包
微信最新的数据显示,目前已发布小程序数量为100万+,小程序开发者已达150万 +,小程序日均打开次数4次,主动访问的用户量为54%,从这些数据可以看出,小程序俨然已经成为微信生态体系中最重要的组成部分。
Udacity也弃用React Native了!
Facebook宣布将大规模重构RN,这一系列的事件,让不少正在使用React Native的开发者瑟瑟发抖,陷入了恐慌之中。
28个顶级的React UI组件库,请查收!
良心推荐28个顶级的React UI组件库!
人工智能   ARTIFICIAL INTELLIGENCE
如何将Python自然语言处理速度提升100倍:用spaCy/Cython加速NLP
实现性能飞跃的秘密武器。
腾讯大规模分布式机器学习系统无量是如何进行技术选型的?
无量究竟是怎样一个系统?
AI一周热闻:OpenAI发布可逆生成模型Glow;能“盲眼运动”的MIT猎豹机器人
每周都有新鲜事。
区块链   BLOCKCHAIN
15天暴涨50倍,BM怒斥诈骗退群
7月3日,EOS RAM价格最高涨到0.91 EOS/KB,较6月19日的0.017 EOS/KB已暴涨超过50倍。
我们画了些图,并用通俗的语言,来解释天才程序员设计的以太坊
以太坊显然已是开发人员首选的dApp平台。作为为程序员设计的以太坊,理解起来可没那么容易。
前Airbnb工程师:如何零基础快速成长为区块链开发者?
这位工程师离开Airbnb ,全职投入到了区块链领域中。他总结了一份学习指南。
技术大会   CONFERENCE
BCCon:日程出炉,这份企业区块链布局图拿走不谢
2018全球区块链生态技术大会开幕在即,昨日组委会公布了完整日程,其中多个区块链案例实现尤其引人关注。与其他区块链大会有所不同,这是区块链技术最真实的体现。
QCon:小米港交所上市,技术上为国际化做了哪些准备?
从14年至今,小米网已经成为全球化电商,在这个过程当中经历无数次调整技术架构,解决技术和非技术诸如异地沟通,用户隐私保护,当地法律合规,用户访问速等难题,来保证业务的快速和健康发展。
极客时间App   GEEK TIME APP
真正牵绊住个人开发成长路径的,到底是什么?
研发高手就像大厨,只有他们能做出“好菜”,大部分团队成员缺乏业务实战经验,企业研发团队难以成长。所以大部分开发者选择极客时间企业服务,在碎片时间内提升研发团队的专业技能,这才是技术学习最真实的体现。
只掌握Java就够了?你可能还需要学Kotlin
2017年,Google 在 I / O大会上宣布 Kotlin 成为Android开发的官方编程语言。除了 Java,你还应该学习 Kotlin,才能追上技术发展趋势,在工作中更加游刃有余。极客时间《快速上手Kotlin开发》视频课程上新优惠:原价¥129,限时¥68,7月21日恢复原价。
网络协议,程序员40岁之后依然需要的知识
外表看起来轰轰烈烈的新技术,扒下外衣,本质就是基础知识。网络协议就是程序员进阶路上必须掌握的基础,趣谈网络协议,像小说一样的网络协议入门课,即使在40岁以后仍然需要用到。
活动推荐   POPULAR EVENTS
云计算的未来式 这场大会你不能错过
来自金融、政府、制造、教育、零售、医疗等行业技术领袖,分享业务创新、数字化转型实践。十大技术分论坛,数千行业精英,尽在Cloud Insight云计算峰会。报名限时免费!
四步开发一款Dapp
如果从零开发一个Dapp(即去中心化应用),项目会极其复杂,所以目前大部分开发者会选择一个开发平台来开发自己的Dapp。看看大讲堂在这方面有哪些好的经验可以传递给开发者。
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

爱可可老师一周论文精选(2018.7.14)

No 1. 【因果推理七大工具与机器学习的反思】
No 2. 《An Intriguing Failing of Convolutional Neural Networks and the CoordConv Solution》
No 3. 《XGBoost: Scalable GPU Accelerated Learning》
No 4. 【GANs哪种训练方法能收敛?】
No 5. 《Glow: Better Reversible Generative Models》
No 6. 《A New Angle on L2 Regularization》
No 7. 《Logistic Regression, Neural Networks and Dempster-Shafer Theory: a New Perspective》
No 8. 《Representation Learning with Contrastive Predictive Coding》
No 9. 【度量神经网络抽象推理】
No 10. 《Learning Efficient Convolutional Networks through Network Slimming》
No 11. 《CT Image Registration in Acute Stroke Monitoring》
No 12. 《Seq2RDF: An end-to-end application for deriving Triples from Natural Language Text》
No 13. 《Deep Structured Generative Models》
No 14. 《Gaussian Processes and Kernel Methods: A Review on Connections and Equivalences》
No 15. 《A Review of Different Word Embeddings for Sentiment Classification using Deep Learning》
No 16. 《Feature Selection for Unsupervised Domain Adaptation using Optimal Transport》
No 17. 《SymmNet: A Symmetric Convolutional Neural Network for Occlusion Detection》
No 18. 《Latent Alignment and Variational Attention》
No 19. 《Outfit Generation and Style Extraction via Bidirectional LSTM and Autoencoder》
No 20. 《Financial Trading as a Game: A Deep Reinforcement Learning Approach》
No 21. 《Model-based Hand Pose Estimation for Generalized Hand Shape with Appearance Normalization》
No 22. 【鲁棒性可证的神经网络训练系统】
No 23. 《Universal Transformers》
No 24. 《The GAN Landscape: Losses, Architectures, Regularization, and Normalization》
No 25. 《Semantic Segmentation with Scarce Data》
No 26. 《Towards more Reliable Transfer Learning》
No 27. 《Generate the corresponding Image from Text Description using Modified GAN-CLS Algorithm》
No 28. 《Direct Uncertainty Prediction with Applications to Healthcare》
No 29. 《Complex Fully Convolutional Neural Networks for MR Image Reconstruction》
No 30. 《Convergence Problems with Generative Adversarial Networks (GANs)》

爱可可老师一周热门分享(2018.7.14)

No 1. 《深度学习之美:AI时代的数据处理与最佳实践》
No 2. 我的座右铭:先做,再做对,再做好——迭代很重要。
via:Addy Osmani ​​​…

No 3. 《Keras深度学习实战》
No 4. '准备秋招学习笔记' by CyC2018 GitHub: http://t.cn/REivyQD …
No 5. 《为什么都说神经网络是个黑箱? – 知乎》
No 6. 《超强的学习能力是怎样练就的? – 知乎》
No 7. 【目标检测综述:一阶段方法】
No 8. 【基于web的视频图像标记工具】
No 10. 职业生涯自尊演变的过程: 第一阶段:我无足轻重 第二阶段:我至关重要第三阶段:以要事为重 越…
No 11. 【探索深度学习理论理解】
No 12. 我觉得天生擅长数学的人作为数学老师并没什么优势,因为他们更难理解为什么有人就是*学不会*。当然,我也…
No 13. 【机器学习实践教程:如何阅读和剖析科研论文,直到编程实现】
No 14. 【Kaggle比赛优胜方案汇总】
No 15. 学术期刊向你收的35美元100%进了出版商腰包,没有一分钱是给作者的。只要您发邮件给我们询问论文,我…
No 16. “魔鬼在细节:微软字体如何打败巴基斯坦总理纳瓦兹谢里夫”
No 17. 2018进度:▓▓▓▓▓▓▓▓░░░░░░░ 52% ​…
No 18. 【自己动手打造深度学习服务器】
No 19. 【机器学习参考作业/练习集】
No 20. 【如何写好论文摘要】
No 21. 【搜索与推荐中的深度学习匹配】
No 22. 【迎接NLP的ImageNet时刻】
No 23. 【因果推理七大工具与机器学习的反思】
No 24. 哥伦布蛋:在旋转磁场中,蛋以其长轴旋转,最终因陀螺效应而站立
No 25. 《An Intriguing Failing of Convolutional Neural Networks and the CoordConv Solution》
No 26. 'AlphaTree : Graphic Deep Neural Network 神经网络模型图示 …
No 27. 【知识图谱在文本信息检索中的应用】
No 28. 《为什么很多大学生甚至研究生抛弃专业去做码农呢? – 知乎》
No 29. 【直接分离、编辑视频里音乐(各种乐器)的AI系统】
No 30. 【从变分贝叶斯开始:大数据贝叶斯推理】
No 31. 【Kaggle数据科学词汇表】
No 32. 【论文高效写作指南】
No 33. 【用深度学习自动修复图像颗粒状/像素化噪声和文字水印】
No 34. 【聊天机器人相关论文(配图)笔记】
No 35. 数据集常见问题之一 ​
No 36. 《XGBoost: Scalable GPU Accelerated Learning》
No 37. 【直观光影:光照对人像影响有多大】
No 38. 【文本知识提取与推理:浅层、深度和中间层次】
No 39. 【如何写引言和结论】
No 40. 关于数据滥用,过于真实了 ​
No 41. 【改进版卷积CoordConv介绍视频】
No 42. 【GANs哪种训练方法能收敛?】
No 43. 【模型到底能跑多快?深度学习计算复杂度解析】
No 44. 【(Gensim/Numpy/Pandas)用Doc2vec/Word2vec给文档打标签】
No 45. 【Python人脸聚类】
No 46. 《浅谈人工智能》
No 47. 《Neural Processes》
No 48. 【如何获得付费论文:给作者发邮件、善用图书馆、Google Scholar、其他方法(包括SciHub)】
No 49. 【超棒的命令行网页浏览器】
No 50. 【NLP产品级系统设计模式】

爱可可老师一周热门分享(2018.7.7)

No 1. 可以说相当逼真了 http://t.cn/RrsDqvJ ​
No 2. 《Keras深度学习实战》
No 3. 《Deep Learning with Python》
No 4. 【应网友建议,给Geoff Hinton传记短片加了中文字幕,相比“AI教父”,我更喜欢——AI一代宗师Hinton】
No 5. 很多同学的论文初稿是这样的
No 6. 【CVPR 2018十大最酷论文】
No 7. 【如何写论文的“讨论”部分】
No 8. 用乐高展示的架桥机工作过程 [good] http://t.cn/RrD0vfC ​…
No 9. 《为什么很多公司都不招大龄码农? – 知乎》
No 10. 给年轻学者的基本网络技巧
No 11. 【独立研究员——“不是只有读博士才能研究你关心的问题,不是只有在学术期刊上发表论文才能得到广泛的尊重,你需要的,只是一颗好奇的心,一笔资金,一个公开研究的承诺。做能引发其他人思考的工作,甚至改变他们的行为方式,已经足以证明你的价值”】
No 12. 【CVPR 2018:回顾、笔记与趋势】
No 13. 成功训练神经网络几乎不需要什么数学技能,不过真的需要知道大量无用技巧 via:David Sussi…
No 14. 这世界的根本问题,在于愚者与狂徒对自己深信不疑,而智者却疑惑重重。(愚者无疑而智者多虑)via:B…
No 15. 当AR走进化学课堂 [good] http://t.cn/Rr3OVR5 ​…
No 16. 【计算机视觉研究入门】
No 17. 【如何读书(怎样读才能记得住)】
No 18. 【无需编写代码、推荐驱动的数据探索分析与可视化工具】
No 19. 【L2正则化的新视角】
No 20. 【玩爆Excel】
No 21. 【如何撰写出色的机器学习简历】
No 22. 【Youtube Python相关频道超级大列表】
No 23. 【流形学习与谱方法】
No 24. 换个视角赏梵高 via:Persian Rose http://t.cn/Rd2q4px ​…
No 25. 是时候展示真正的神经元活动了 via:Andy Moore ​…
No 26. 【GitHub使用指南】
No 27. 5年前的今天,Google永久关闭了RSS Reader服务,到现在我都觉得生气
via:A…

No 28. 【免费书:写给程序员的范畴论】
No 29. 【CVPR 2018印象 & 十五篇有趣论文】
No 30. 【深度学习表征不可思议有效性——相似图像搜索实践】
No 31. 【强化学习自动驾驶:无需3D地图、无需手写规则,用一天学会开车】
No 32. 【任意方向场景文字检测】
No 33. 遥想当年考研补习班,多希望听课时能达到这种境界…… ​…
No 34. 【用Tensorflow目标检测/OpenCV实时分析#世界杯#】
No 35. 【TensorFlow/DLTK生物医学图像分析入门】
No 36. 《运筹学(最优化理论)如何入门? – 知乎》
No 37. 【机器学习实践入门教程】
No 38. 比特币是关于金钱你所不了解的的一切,再加上关于电脑你所不了解的一切。
via:John Ol…

No 39. 【高阶张量工具箱:张量分解,统计分析,可视化,特征提取,回归和多维数据非线性分类】
No 40. 【(微软)树莓派线上模拟器】
No 41. 【计算机视觉最新深度学习方法库(论文/代码)】
No 42. 【新书:Python机器学习——从头开始Python机器学习——基于Scikit – Learn/TensorFlow的逐步指南】
No 43. 《那些对自己特别狠的人,脑子里都是怎么想的? – 知乎》
No 44. python 3.7 is available on conda! $ conda create …
No 45. 【由文本生成人脸图像】
No 46. most common neural net mistakes…
No 47. 【学术论文/项目报告模板(word)】
No 48. 【深度神经网络实践经验分享】
No 49. 2018进度:▓▓▓▓▓▓▓▓░░░░░░░ 50% ​…
No 50. 深度强化学习之所以受欢迎,因为它是机器学习里唯一一个在测试集上进行训练而被广为接受的方法。

爱可可老师一周论文精选(2018.7.7)

No 1. 《ResNet with one-neuron hidden layers is a Universal Approximator》
No 2. 《Hierarchical Graph Representation Learning with Differentiable Pooling》
No 3. 《New Losses for Generative Adversarial Learning》
No 4. 《Adversarial Reprogramming of Neural Networks》
No 5. 《Gradient Acceleration in Activation Functions》
No 6. 《Evaluating Feature Importance Estimates》
No 7. 《Deep k-Means: Re-Training and Parameter Sharing with Harder Cluster Assignments for Compressing Deep Convolutions》
No 8. 《Tell Me Where to Look: Guided Attention Inference Network》
No 9. 《Deep convolutional encoder-decoder networks for uncertainty quantification of dynamic multiphase flow in heterogeneous media》
No 10. 《ModaNet: A Large-Scale Street Fashion Dataset with Polygon Annotations》
No 11. 《Fire SSD: Wide Fire Modules based Single Shot Detector on Edge Device》
No 12. 《When Gaussian Process Meets Big Data: A Review of Scalable GPs》
No 13. 《Fake News Identification on Twitter with Hybrid CNN and RNN Models》
No 14. 《Conditional Neural Processes》
No 15. 《TriResNet: A Deep Triple-stream Residual Network for Histopathology Grading》
No 16. 《CR-GAN: Learning Complete Representations for Multi-view Generation》
No 17. 《Task-Driven Convolutional Recurrent Models of the Visual System》
No 18. 《Logistic Regression, Neural Networks and Dempster-Shafer Theory: a New Perspective》
No 19. 《IGCV3: Interleaved Low-Rank Group Convolutions for Efficient Deep Neural Networks》
No 20. 《Probabilistic Deep Learning using Random Sum-Product Networks》
No 21. 《Augmented Cyclic Adversarial Learning for Domain Adaptation》
No 22. 《A Structured Self-attentive Sentence Embedding》
No 23. 《Social GAN: Socially Acceptable Trajectories with Generative Adversarial Networks》
No 24. 《MILD-Net: Minimal Information Loss Dilated Network for Gland Instance Segmentation in Colon Histology Images》
No 25. 《Reaching Human-level Performance in Automatic Grammatical Error Correction: An Empirical Study》
No 26. 《Uncertainty in Multitask Transfer Learning》
No 27. 《Machine Learning for Integrating Data in Biology and Medicine: Principles, Practice, and Opportunities》
No 28. 《ServeNet: A Deep Neural Network for Web Service Classification》
No 29. 《A Deep Learning Based Illegal Insider-Trading Detection and Prediction Technique in Stock Market》
No 30. 《Image Generation from Scene Graphs》

爱可可老师24小时热门分享(2018.7.13)

No 1. 《超强的学习能力是怎样练就的? – 知乎》
No 2. 【目标检测综述:一阶段方法】
No 3. 【Kaggle比赛优胜方案汇总】
No 5. 《深度学习之美:AI时代的数据处理与最佳实践》
No 6. 《为什么很多大学生甚至研究生抛弃专业去做码农呢? – 知乎》
No 7. 【从变分贝叶斯开始:大数据贝叶斯推理】
No 8. 《浅谈人工智能》
No 9. 【Python编程入门“必读”指南】
No 10. “如何撰写,组织和聚焦文献综述——展示知识,利用可靠资源,搜索和选择材料,整合关键内容+整合他人的概念和想法”
No 11. 【改进版卷积CoordConv介绍视频】
No 12. 研究生凯蒂最焦虑:“提不出原创的研究思路咋办?”
No 13. 《An Intriguing Failing of Convolutional Neural Networks and the CoordConv Solution》
No 14. 【用于强化学习算法快速原型构建的轻量级PyTorch架构】
No 15. ‘3DUnetCNN – Keras 3D U-Net Convolution Neural Net…
No 16. 《Do Bayesians Overfit?》
No 17. 【基于web的视频图像标记工具】
No 18. 《Learning with Temporal Point Processes(ICML 2018 Tutorial)》
No 19. 【机器学习自动化系列:机器学习从业者做什么】
No 20. 《Deep Structured Generative Models》
No 21. 评审:“忽略了太多关于X的文献”
No 22. “Proceedings of IJCAI 2018”
No 23. 【ICML 2018日记】
No 24. “Convolutional Pose Machines – Tensorflow”
No 25. 成长 ​
No 26. 【VTA :开源、可定制的深度学习加速堆栈】
No 27. 《Latent Alignment and Variational Attention》
No 28. ‘Reinforcement learning environments with musculos…
No 29. 2025年,当神经网络升级到万亿级参数,AI能否达到人脑的能力?人脑效能比最新硬件高上百倍
No 30. 《Universal Transformers》
No 31. 【两分钟论文解读之DeepMind开发学会如何“看”的AI】
No 32. 【强化学习摘要句子排序】
No 33. 【(TensorFlow)机器学习交互示例集】
No 34. 《An improved neural network model for joint POS tagging and dependency parsing》
No 35. 【度量神经网络抽象推理】
No 36. 【用混淆梯度制造虚假安全感:绕过对抗样本防御】
No 37. ‘torch-contrib – Implementations of ideas from rec…
No 38. 【公平机器学习的延迟影响】
No 39. 《Embodied Question Answering》
No 40. 【基于离散语句表示学习的可解释神经网络对话生成】
No 41. ICML 2018 Best Paper Award
No 42. 《TherML: Thermodynamics of Machine Learning》
No 43. 《爱可可老师24小时热门分享(2018.7.12)》
No 44. 今日焦点:卷积网络的问题及其解决方案CoordConv——CoordConv解决了坐标变换问题,具有…
No 45. 《Algorithmic Framework for Model-based Reinforcement Learning with Theoretical Guarantees》
No 46. 《Representation Learning with Contrastive Predictive Coding》
No 47. 【(Gensim/Numpy/Pandas)用Doc2vec/Word2vec给文档打标签】
No 48. (对机器学习论文)删除通用开头,例如“深度学习在许多方面取得了成功”
No 49. 【因果推理七大工具与机器学习的反思】
No 50. 【为了理解现在,大脑会预测未来:一项有争议的理论认为,感知、运动控制、记忆和其他大脑功能都依赖于持续的实际经验与大脑的模拟期望之间的比较】

爱可可老师24小时热门分享(2018.7.12)

No 1. 【基于web的视频图像标记工具】
No 2. 《深度学习之美:AI时代的数据处理与最佳实践》
No 3. 《An Intriguing Failing of Convolutional Neural Networks and the CoordConv Solution》
No 5. 【(Gensim/Numpy/Pandas)用Doc2vec/Word2vec给文档打标签】
No 6. 【不,机器学习不是“美其名”的统计学】
No 7. 【改进版卷积CoordConv介绍视频】
No 8. 【今日限免:Python网络爬虫指南(Python 3.x)】
No 9. 【模仿学习】
No 10. 【做正确的数据科学——数据科学家,数据工程师,AI和ML开发人员以及其他数据专业人员需要遵循的道德价值观】
No 11. 【正确使用统计工具进行实验室实验:简单实践教程】
No 12. (对机器学习论文)删除通用开头,例如“深度学习在许多方面取得了成功”
No 13. 成长​
No 14. 《Representation Learning with Contrastive Predictive Coding》
No 15. 今日焦点:卷积网络的问题及其解决方案CoordConv——CoordConv解决了坐标变换问题,具有…
No 16. 【因果推理七大工具与机器学习的反思】
No 17. 【如何修正(纯粹的)强化学习】
No 18. 【Python编程入门“必读”指南】
No 19. 研究生凯蒂最焦虑:“提不出原创的研究思路咋办?”
No 20. 【知识图谱在文本信息检索中的应用】
No 21. 《为什么很多大学生甚至研究生抛弃专业去做码农呢? – 知乎》
No 22. 哥伦布蛋:在旋转磁场中,蛋以其长轴旋转,最终因陀螺效应而站立 http://t.cn/Rdmbs9e…
No 23. 【为了理解现在,大脑会预测未来:一项有争议的理论认为,感知、运动控制、记忆和其他大脑功能都依赖于持续的实际经验与大脑的模拟期望之间的比较】
No 24. 【亚马逊盆地卫星图像分类:神经网络竞争训练方法】
No 25. “TensorFlow 1.9.0 Released”
No 26. 【ICML 2018接收论文统计分析】
No 27. 【度量神经网络抽象推理】
No 28. 《Complex Fully Convolutional Neural Networks for MR Image Reconstruction》
No 29. 【机器学习参考作业/练习集】
No 30. 《Do Bayesians Overfit?》
No 31. 《Is Q-learning Provably Efficient?》
No 32. 【如何写好论文摘要】
No 33. 【模型到底能跑多快?深度学习计算复杂度解析】
No 34. 《Deep Learning on Low-Resource Datasets》
No 35. 《Adaptive Adversarial Attack on Scene Text Recognition》
No 36. 【通过拓扑数据分析理解卷积神经网络行为】
No 37. 【Chainer实现的优化DNC(可微神经计算机)】
No 38. 【强化学习之旅——持续控制角度】
No 39. 【社交媒体帖子中的医学概念规范】
No 40. 《Neural Task Graphs: Generalizing to Unseen Tasks from a Single Video Demonstration》
No 41. 【健康医疗搜索:从消费者到临床医生】
No 42. 【高效查询处理基础架构】
No 43. 《Self-guessing mapper》
No 44. ‘Reinforcement learning environments with musculos…
No 45. ‘AlphaTree : Graphic Deep Neural Network 神经网络模型图示 …
No 46. 《Troubling Trends in Machine Learning Scholarship》
No 47. “Convolutional Pose Machines – Tensorflow”
No 48. 【强化学习摘要句子排序】
No 49. 【(Tensorflow)NLP实例教程】
No 50. ‘torch-contrib – Implementations of ideas from rec…

爱可可老师一周热门分享(2018.7.7)

No 1. 可以说相当逼真了 http://t.cn/RrsDqvJ ​
No 2. 《Keras深度学习实战》
No 3. 《Deep Learning with Python》
No 4. 【应网友建议,给Geoff Hinton传记短片加了中文字幕,相比“AI教父”,我更喜欢——AI一代宗师Hinton】
No 5. 很多同学的论文初稿是这样的
No 6. 【CVPR 2018十大最酷论文】
No 7. 【如何写论文的“讨论”部分】
No 8. 用乐高展示的架桥机工作过程 [good] http://t.cn/RrD0vfC ​…
No 9. 《为什么很多公司都不招大龄码农? – 知乎》
No 10. 给年轻学者的基本网络技巧
No 11. 【独立研究员——“不是只有读博士才能研究你关心的问题,不是只有在学术期刊上发表论文才能得到广泛的尊重,你需要的,只是一颗好奇的心,一笔资金,一个公开研究的承诺。做能引发其他人思考的工作,甚至改变他们的行为方式,已经足以证明你的价值”】
No 12. 【CVPR 2018:回顾、笔记与趋势】
No 13. 成功训练神经网络几乎不需要什么数学技能,不过真的需要知道大量无用技巧 via:David Sussi…
No 14. 这世界的根本问题,在于愚者与狂徒对自己深信不疑,而智者却疑惑重重。(愚者无疑而智者多虑)via:B…
No 15. 当AR走进化学课堂 [good] http://t.cn/Rr3OVR5 ​…
No 16. 【计算机视觉研究入门】
No 17. 【如何读书(怎样读才能记得住)】
No 18. 【无需编写代码、推荐驱动的数据探索分析与可视化工具】
No 19. 【L2正则化的新视角】
No 20. 【玩爆Excel】
No 21. 【如何撰写出色的机器学习简历】
No 22. 【Youtube Python相关频道超级大列表】
No 23. 【流形学习与谱方法】
No 24. 换个视角赏梵高 via:Persian Rose http://t.cn/Rd2q4px ​…
No 25. 是时候展示真正的神经元活动了 via:Andy Moore ​…
No 26. 【GitHub使用指南】
No 27. 5年前的今天,Google永久关闭了RSS Reader服务,到现在我都觉得生气
via:A…

No 28. 【免费书:写给程序员的范畴论】
No 29. 【CVPR 2018印象 & 十五篇有趣论文】
No 30. 【深度学习表征不可思议有效性——相似图像搜索实践】
No 31. 【强化学习自动驾驶:无需3D地图、无需手写规则,用一天学会开车】
No 32. 【任意方向场景文字检测】
No 33. 遥想当年考研补习班,多希望听课时能达到这种境界…… ​…
No 34. 【用Tensorflow目标检测/OpenCV实时分析#世界杯#】
No 35. 【TensorFlow/DLTK生物医学图像分析入门】
No 36. 《运筹学(最优化理论)如何入门? – 知乎》
No 37. 【机器学习实践入门教程】
No 38. 比特币是关于金钱你所不了解的的一切,再加上关于电脑你所不了解的一切。
via:John Ol…

No 39. 【高阶张量工具箱:张量分解,统计分析,可视化,特征提取,回归和多维数据非线性分类】
No 40. 【(微软)树莓派线上模拟器】
No 41. 【计算机视觉最新深度学习方法库(论文/代码)】
No 42. 【新书:Python机器学习——从头开始Python机器学习——基于Scikit – Learn/TensorFlow的逐步指南】
No 43. 《那些对自己特别狠的人,脑子里都是怎么想的? – 知乎》
No 44. python 3.7 is available on conda! $ conda create …
No 45. 【由文本生成人脸图像】
No 46. most common neural net mistakes…
No 47. 【学术论文/项目报告模板(word)】
No 48. 【深度神经网络实践经验分享】
No 49. 2018进度:▓▓▓▓▓▓▓▓░░░░░░░ 50% ​…
No 50. 深度强化学习之所以受欢迎,因为它是机器学习里唯一一个在测试集上进行训练而被广为接受的方法。