Vue 3.0开发路线;10年软件开发的感悟;Swift 4.2正式发布 – InfoQ每周精要557期

 中文站「每周精要」
感谢您订阅每周精要第 557 期,本期内容截止于2018-10-07。
技术新闻   TECH NEWS
百度智能小程序月活破亿,正式开放申请
即日起开发者只要通过搜索“百度智能小程序”或百度App语音搜索“智能小程序学院”就可以找到申请入口,申请成功便可以开发自己的智能小程序。
Mozilla Firefox 62提供了可变字体、自动macOS深黑主题等新特性
Mozilla发布了Firefox 62。新版本提供了可变字体、macOS Mojave上的自动深黑主题、安卓上改进的滚动方式等新特性。
无服务平台性能比较
大多数主要的云服务供应商都有可以提供功能即服务(FaaS)的无服务平台。最近一些基准测评研究了它们之间在运行时间、冷启动时间、依赖性和资源分配方面的性能区别。
NGINX访谈:软件负载均衡、API网关和服务网格的企业采用状况
InfoQ最近采访了NGINX公司的Rob Whiteley、Sidney Rabsatt和Liam Crilly,和他们讨论了他们对于未来网络和数据中心通信的想法。
Swift 4.2正式发布
在Swift 4发布了一年之后,Swift 4.2版本也正式推出。这一版本带来了语言和标准库方面的改进,包括更好的泛型、Hashable协议以及随机数生成。
CodeSandbox推出容器,进化为WebIDE
CodeSandbox容器正式发布。支持在服务器上执行用户代码,用户只需要在本地处理好 JavaScript 项目即可,也可以说进化为WebIDE了。
架构设计   ARCHITECTURE DESIGN
Oracle撒手下的Java和OpenJDK更新项目该怎么走?
Oracle官方不支持又如何?红帽开发者喊话将支持 OpenJDK 8 到2023年!
阿里巴巴毕玄:我这十年对软件开发的感悟
阿里巴巴中间件负责人毕玄,分享了他在阿里十多年来对软件开发的感悟,InfoQ 经授权转载。
腾讯当下的技术建设是否落后于同体量的公司?
为什么到了当下,腾讯的技术建设反而愈加为人诟病呢?本文仅代表作者个人观点,欢迎大家讨论。
运维 & DevOps   OPERATIONS & DEVOPS
详解分布式协调服务 ZooKeeper
这篇文章主要会介绍Zookeeper的实现原理以及常见的应用。
Facebook曝至今最严重安全漏洞,超5000万用户受影响
Facebook14年来最严重的安全问题,扎克伯格自己也在这5000万用户之中。
Cloudflare推出域名注册服务:不赚利润只收取成本费
9月27日,Cloudflare官方博客宣布推出域名注册服务,承诺只收取成本费,不赚取利润。
大前端   THE FRONT END
重磅!尤雨溪发布Vue 3.0开发路线
9月30日,尤雨溪在medium个人博客上发布了Vue 3.0的开发路线。
首屏时间从12.67s到1.06s,我是如何做到的?
本文是对之前同名文章的修正,将所有webpack3的内容更新 webpack4,以及加入了笔者近期在公司工作中学习到的自动化思想,对文章内容作了进一步提升。
Nuxt 2.0正式发布:支持 Webpack 4、ES module
Nuxt 2.0正式发布,Nuxt 2.0带来了大量新特性和改进,并专注于稳定性、性能和更好的开发者体验。
人工智能   ARTIFICIAL INTELLIGENCE
AlphaGo之父亲授深度强化学习十大法则
AlphaGo项目负责人David Silver介绍了深度强化学习的十大原则,旨在帮助那些正在学习和应用强化学习来创造价值的研究人员或工程师们,深刻地了解应该遵守的思考方式和工作方式。
AI面试必备!你不可不知的10个深度学习方法
只有进行知识梳理后,我们才能“吾道一以贯之”。
抛开炒作看知识图谱,为什么现在才爆发?
如果你想要像Airbnb、亚马逊、谷歌和Linkedin那样,那么学会区分炒作与现实、定义不同类型的图谱,以及为你的应用场景选择正确的工具和数据库是必不可少的。
区块链   BLOCKCHAIN
Web3视频技术栈的未来
世界各地有很多项目都致力于实现去中心化的视频应用。为什么?
V神:应用Zcash技术,以太坊能扩展到500tx/s
V神表示,应用Zcash技术,以太坊能够达到每秒500tx的规模。
公众联盟链: 联盟链抢夺公链市场的开始?
“原来每天都觉得出现新机会,而现在每出来个新名词,听起来都像在骗我充值。”—— 一位韭菜如是说。
技术大会   CONFERENCE
QCon:内容中台的架构与演进
内容平台从最开始发展到现在已经历3年的时间。伴随着业务的快速成长,中台系统设计理念和思路也在突飞猛进。中台系统把业务层同性的算法能力,服务能力,业务能力高度集成,有效组织,动态规划,更好的服务于上层业务。
CNUTCon:菜鸟开启“物流天眼”,让百万摄像头具有“大脑”
智能监控都有哪些进展?9月26日,菜鸟宣布与快递合作伙伴一道,正式上线视频云监控系统。此IoT战略级产品在原有摄像头和带宽的基础上,增加了菜鸟算法,实现智能化,6大快递公司已正式接入,助力双十一。
ArchSummit:如何搭建大规模机器学习平台?以多个实际场景为例
随着“大”数据及“大”模型的出现,学术界和工业界对分布式机器学习算法产生了广泛关注。本届ArchSummit邀请了LinkedIn的研发成员张镭和优酷算法专家以实际场景为例,为大家解决大规模机器学习算法带来的一系列问题。
AICon:阿里巴巴华先胜:“城市大脑”打造未来城市新形态
阿里一个“城市大脑”值4.83亿元,现在已经在海内外11个城市落地。“城市大脑”致力于通过云计算和人工智能技术去解决依靠人脑无法解决的城市治理和发展问题,使城市规划更加智能。
极客时间App   GEEK TIME APP
互联网大亨与100家 IT 企业传奇 |《技术与商业案例解读》
徐飞,计算机博士,资深架构师,大数据基础架构专家,将通过大数据人工智能等计算机行业和前沿技术实际案例商业案例为你讲解100家IT企业发展史,并给到你徐飞的企业技术管理方法论。
技术开发者的快速进阶指南
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。
送福利 | 十一要逆袭,消费不降级
10月1-10日,极客时间每天推出一个爆款专栏进行限时秒杀,每个专栏仅限500人,最高立减100元,长按识别下图二维码,立即参加!
活动推荐   POPULAR EVENTS
《王者荣耀》社交背后的秘密:详解LBS技术的游戏应用
从Pokemon Go萌芽,到《王者荣耀》等手游的全面应用,LBS技术这一原本是地图、导航等专属的功能反而在游戏中无心插柳柳成荫;10月13日,腾讯位置服务、天美工作室、搜狐畅游的大咖将全面解读这一技术的游戏应用。
打造舒适云途之旅 ——云迁移及管理架构实践与探秘
10月27日南京,ChinaMSP资深云计算架构师携手极客邦科技InfoQ布道金陵城,为企业量身定做一站式云化解决方案,助力企业IT快速上云。快来与更多的南京开发者依托实例探秘云迁移及管理架构实践基石,用云“武装”自己,进阶上云之旅吧。
今年最精彩的Spring技术大会报名中
11月3日,Spring大神Josh Long来京啦!这场最权威的Spring技术峰会由Spring技术拥有者Pivotal发起,集结一众大咖,让你近距离了解云原生Java、Spring Cloud、微服务和Cloud Foundry。作为Java工程师的你,真的应该学好Spring。错过还要等一年。
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(2018.10.5)

No 1. 【科研写作的艺术:如何撰写清晰、简洁、易于阅读和引人入胜的期刊文章,更有效地传达信息】
No 2. 论文摘要模板
No 3. '📖 [译] 面向机器学习的特征工程' by ApacheCN GitHub: http://t….
No 4. 并发管理与控制
No 5. 很真实:科研情绪过山车 (点“查看原图”
No 6. 【Andrew Ng免费书“机器学习的渴望”草稿】
No 7. 【手把手:用树莓派搭建个人Python开发服务器】
No 8. Python 小技巧:用json.dumps“美化输出”
No 9. 【生成模型:基础、技巧与算法】
No 10. 完整集成版:http://t.cn/EhSQHHo pdf: http://t.cn/EhSQHH…
No 11. 【深度学习肺癌图片分类】
No 12. 【监督学习和文本分类、神经网络语言模型与神经网络机器翻译】
No 13. 【用Python程序跟踪 AI 研究最新进展】
No 14. 【PyTorch 变分自编码器】
No 15. 【基于Scikit-Learn的多标签学习包】
No 16. “你是风儿我是沙”
No 17. 从香榭丽舍大街上方俯瞰巴黎
No 18. 【贝叶斯模型探索性分析包】
No 19. 【用PyTorch 开发ELF OpenGo(开源围棋机器人)】
No 20. 书法之美 ​​​
No 21. 【机器学习模型可解释性简史】
No 22. macOS Mojave发布,最爱深色模式 [嘻嘻] http://t.cn/Ev4m9AP ​…
No 23. 【NVIDIA NGX:面向视觉 AI 的 SDK,包括图像修补、慢镜、超分辨率、深度学习超采样(DLSS)等最新应用】
No 24. 科技创业公司需要具有哪些机器学习技能的人才?过去6个月'Who is hiring?”HN上招聘相关…
No 25. 【ICLR 2019提交论文音乐/音频生成模型主题专辑】
No 26. 基于UMAP降维的 MNIST 可视化
No 27. 【大规模无人机感知数据集】
No 28. 1903年,Frank Nelson Cole做了近一个小时的报告,观众们集体起立鼓掌,在此期间,他…
No 29. 确定是……猎豹? http://t.cn/Eh97Xk4 ​
No 30. 【机器学习/AI如何改善旅游服务】
No 31. 《Non-local Neural Networks》
No 32. 【以色列蓬勃发展的AI生态及其对全球AI竞争局势的影响】
No 33. 【Keras vs. PyTorch 实战代码比较:迁移学习 异形 vs. 铁血战士 图像识别】
No 34. 费曼:如何发现新定律 http://t.cn/EhN4Gtb ​…
No 35. 【(Tensorflow)Twitter数据分析实验】
No 36. 【以聊天机器人为例,谈谈为什么“AI 不等于 机器学习”】
No 37. 短线思维古今有之。吵闹不休但谋小利。深谋远虑方成大器。决胜未来笑看今朝。
No 38. 【Kaggle 新赛:人类蛋白质图谱图像分类(亚细胞蛋白质模式分类)】
No 39. 酷!NASA 模拟的多个星系如何合并成一个巨大星系 http://t.cn/Eh64Wy7 ​…
No 40. 【AI/机器学习入门路在何方?】
No 41. 晚安~
No 42. 最牛小抄![笑cry] ​
No 43. 【开源 AI+区块链 分布式计算平台/操作系统:Matrix AI Network 概览】
No 44. 貌似有些朋友当真了? [允悲]
No 45. 《Object-Contrastive Networks: Unsupervised Object Representations》
No 46. [笑cry]
No 47. 【硕士论文:XGBoost提升树——为什么XGBoost能“横扫”机器学习竞赛】
No 48. 🦁🦁🦁 http://t.cn/Eh6yggD ​
No 49. 飘逸:罕见的丝带鳗幼虫(Leptocephalus) http://t.cn/EhKFC24 ​…
No 50. 【激光雷达-单目视觉测距算法库】

爱可可老师一周热门分享(2018.10.6)

No 1. 人类大脑最惊人的一点,是它几乎慢得超乎想象。和电传输速度相比,神经脉冲的传播可以说是“极慢”
No 2. 《深入浅出数据科学》
No 3. 太真实了 [笑而不语] ​
No 4. 图像分割专业八级真题 ​
No 5. 【程序员的自我修养(中文版)】
No 6. 【自然语言处理近代史综述】
No 7. 【科研写作的艺术:如何撰写清晰、简洁、易于阅读和引人入胜的期刊文章,更有效地传达信息】
No 8. 论文摘要模板
No 9. '📖 [译] 面向机器学习的特征工程' by ApacheCN GitHub: http://t….
No 10. 并发管理与控制
No 11. 激情与梦想:Windows95发布现场 http://t.cn/Eh7j2V5 ​…
No 12. 【LSTM、GRU详细图解】
No 13. “明智的迭代试错胜过完美无瑕的计划。”
No 14. 某些程序猿的注释风格 [笑cry] ​
No 15. 技术债 ​​​
No 16. NLP,哈哈! ​
No 17. 很真实:科研情绪过山车 (点“查看原图”
No 18. Python 小技巧:用json.dumps“美化输出”
No 19. MobiLimb:给手机加根“手指头”
No 20. “无人”
No 21. 【口碑爆棚,决定试试Visual Studio Code】
No 22. 【1、Anaconda里将CUDA和cuDNN作为tensorflow-gpu的依赖项,不再需要单独安装;2、借助Intel MKL-DNN库,Anaconda里的TensorFlow在 CPU 上取得更好性能】
No 23. 【期刊论文摘要指南:六条标准把握成功】
No 24. NLP,呵呵 ​
No 25. 【期刊论文(各部分)撰写指南】
No 26. 《Why DNA Is the Most Exciting Programming Language Today | WIRED》
No 27. 曾经碰到过一个程序员,他用几年时间,把一个程序的运行时间,从几小时缩短到几分钟。我问他程序运行的频率是多少,“大概一个月一次”
No 28. 【Andrew Ng免费书“机器学习的渴望”草稿】
No 29. 【科研论文撰写手把手指南】
No 30. 【Airbnb动态定价的定制回归模型】
No 31. 【UC Berkeley深度强化学习课程】
No 32. 【手把手:用树莓派搭建个人Python开发服务器】
No 33. '中文分词新词发现 – python3实现互信息和左右熵的新词发现' by Zzc GitHub: …
No 34. “复杂性不是目标。我不想作为复杂系统工程师被人们铭记。”
No 35. 【(Python)基于 NLTK 从头搭建简单聊天机器人】
No 36. 【Udacity免费课程:PyTorch深度学习】
No 37. François Chollet的“在读”
No 38. 亚利桑那(Arizona)
No 39. 【Visual Studio Code扩展:为数据科学家提供交互式编程体验】
No 40. 【用于线性代数、优化和控制的PyTorch库】
No 41. 作为团队带头人,我非常自豪: – 我不是技术最强的人 – 我无法为所有问题都找到答案- 最有创…
No 42. 对那些不懂数学的人来说,很难真正体会到自然的美、那种最深层次的美。如果想要了解自然、欣赏自然,必须理…
No 43. 《程序员年龄增大后的职业出路是什么? – 知乎》
No 44. 【电影推荐系统实战入门】
No 45. 【用3行Python代码将数据预处理加快2-6倍:善用concurrent.futures模块】
No 46. 【GitHub秘籍】
No 47. 【基于OpenCV图像分割的半自动图像标注工具】
No 48. 【TensorFlow/OpenCV头部姿态估计】
No 49. 拿走所有GPU,AI可能反而会突飞猛进🤔 当我们被迫改变思维方式时,往往会加速推进,尤其是…
No 50. 【基于PyTorch的高效深度学习库fastai】

爱可可老师一周论文精选(2018.10.6)

No 1. 【Airbnb动态定价的定制回归模型】
No 2. 《Real-time 3D Pose Estimation with a Monocular Camera Using Deep Learning and Object Priors On an Autonomous Racecar》
No 3. 《Taming VAEs》
No 4. 《Deep Graph Infomax》
No 5. 《An Introduction to Probabilistic Programming》
No 6. 《How Powerful are Graph Neural Networks?》
No 7. 《Multitask Learning on Graph Neural Networks – Learning Multiple Graph Centrality Measures with a Unified Network》
No 8. 《Global Weighted Average Pooling Bridges Pixel-level Localization and Image-level Classification》
No 9. 《AI Benchmark: Running Deep Neural Networks on Android Smartphones》
No 10. 《Non-local Neural Networks》
No 11. 《Object Detection from Scratch with Deep Supervision》
No 12. 《Combined Image- and World-Space Tracking in Traffic Scenes》
No 13. 《Graph Convolution over Pruned Dependency Trees Improves Relation Extraction》
No 14. 《Learning with Random Learning Rates》
No 15. 《Night-to-Day Image Translation for Retrieval-based Localization》
No 16. 《Unsupervised Person Image Synthesis in Arbitrary Poses》
No 17. 《LaSOT: A High-quality Benchmark for Large-scale Single Object Tracking》
No 18. 《WaveCycleGAN: Synthetic-to-natural speech waveform conversion using cycle-consistent adversarial networks》
No 19. 《Semantic WordRank: Generating Finer Single-Document Summarizations》
No 20. 《A theoretical framework for deep locally connected ReLU network》
No 21. 《Adversarial Attacks and Defences: A Survey》
No 22. 《R-C3D: Region Convolutional 3D Network for Temporal Activity Detection》
No 23. 《Multi-Scale Fully Convolutional Network for Cardiac Left Ventricle Segmentation》
No 24. 《Over-Optimization of Academic Publishing Metrics: Observing Goodhart's Law in Action》
No 25. 《Compressing the Input for CNNs with the First-Order Scattering Transform》
No 26. 《HotpotQA: A Dataset for Diverse, Explainable Multi-hop Question Answering》
No 27. 《Robustness Guarantees for Bayesian Inference with Gaussian Processes》
No 28. 《Dropout Distillation for Efficiently Estimating Model Confidence》
No 29. 《Generative Ensembles for Robust Anomaly Detection》
No 30. 《CPDist: Deep Siamese Networks for Learning Distances Between Structured Preferences》

爱可可老师24小时热门分享(2018.10.4)

No 1. 《Why DNA Is the Most Exciting Programming Language Today | WIRED》
No 2. 曾经碰到过一个程序员,他用几年时间,把一个程序的运行时间,从几小时缩短到几分钟。我问他程序运行的频率是多少,“大概一个月一次”
No 3. MobiLimb:给手机加根“手指头”
No 4. 【Airbnb动态定价的定制回归模型】
No 5. 【Visual Studio Code扩展:为数据科学家提供交互式编程体验】
No 6. 【Udacity免费课程:PyTorch深度学习】
No 7. 很真实:科研情绪过山车 (点“查看原图”
No 8. 图像分割专业八级真题 ​
No 9. 坦白说“我不知道”
No 10. 【(PyTorch)神经网络音乐生成】
No 11. 【SQL 查询速查】
No 12. 视觉、语言和机器人技术不再是分离的孤岛,对三者都有所了解将变得越来越重要 ——Jitendra Ma…
No 13. 【PyTorch 1.0与PyTorch开发者大会(PTDC)摘要】
No 14. 【探索、利用、解释:个性化可解释Bandits推荐算法】
No 15. 【软件2.0工程实践:用软件工程思维做深度学习】
No 16. 「21世纪以来已有18位日本人获诺奖,距离日本2001年提出的“50年30个诺贝尔奖”
No 17. '📖 [译] 面向机器学习的特征工程' by ApacheCN GitHub: http://t….
No 18. 【高效、模块化的PyTorch高斯过程库】
No 19. 《Real-time 3D Pose Estimation with a Monocular Camera Using Deep Learning and Object Priors On an Autonomous Racecar》
No 20. 【Python 部分依赖图工具箱】
No 21. 【手把手:用树莓派搭建个人Python开发服务器】
No 22. 一个h-index值20+的人得了诺贝尔奖,是时候重新思考学术界该如何正确评价影响力了。
No 23. 细节之美:俄罗斯联盟号(Soyuz)运载火箭蓝图 ​…
No 24. 【fast.ai 与 PyTorch】
No 25. “Gaussian Process Regression in TensorFlow Probability”
No 26. 简易DIY手机“3D全息投影”
No 27. 【比特币经济学研究相关资料大列表】
No 28. 【PyTorch几何计算机视觉库】
No 29. “路上弄”
No 30. PyTorch & TPU ​
No 31. 晚安~ [月亮] ​
No 32. 很治愈:随风轻拂的海滩酒吧动感顶棚 http://t.cn/EhJCneR ​…
No 33. 《Graph Convolution over Pruned Dependency Trees Improves Relation Extraction》
No 34. 【监督学习和文本分类、神经网络语言模型与神经网络机器翻译】
No 35. 《AI Benchmark: Running Deep Neural Networks on Android Smartphones》
No 36. 【生成模型:基础、技巧与算法】
No 37. 【期刊论文(各部分)撰写指南】
No 38. 【用PyTorch 开发ELF OpenGo(开源围棋机器人)】
No 39. 【基于PyTorch的高效深度学习库fastai】
No 40. 【JavaScript 实现的简单音频编程语言】
No 41. 想来容易,真要当着众人的面说出这句话,还是需要足够的认真、坦诚和勇气的。时刻谨记。…
No 42. 《Learning with Random Learning Rates》
No 43. 酷!NASA 模拟的多个星系如何合并成一个巨大星系 http://t.cn/Eh64Wy7 ​…
No 44. 美!海滩上的北极光 http://t.cn/Ehc1wFx ​…
No 45. 【声明式网页爬虫】
No 46. 【Go 语言实现的定制命令行仪表板】
No 47. 【快速、开源、功能齐全的代码搜索与导航引擎】
No 48. 【科研论文化繁为简:生物科学本科写作循序渐进指南】
No 49. 《Unsupervised Person Image Synthesis in Arbitrary Poses》
No 50. 【BigGAN的生成图片世界】

爱可可老师24小时热门分享(2018.10.3)

No 1. 【自然语言处理近代史综述】
No 2. 图像分割专业八级真题 ​
No 3. 人类大脑最惊人的一点,是它几乎慢得超乎想象。和电传输速度相比,神经脉冲的传播可以说是“极慢”
No 4. “明智的迭代试错胜过完美无瑕的计划。”
No 5. 某些程序猿的注释风格 [笑cry] ​
No 6. NLP,哈哈! ​
No 7. 技术债 ​​​
No 8. 【1、Anaconda里将CUDA和cuDNN作为tensorflow-gpu的依赖项,不再需要单独安装;2、借助Intel MKL-DNN库,Anaconda里的TensorFlow在 CPU 上取得更好性能】
No 9. 【期刊论文(各部分)撰写指南】
No 10. 作为团队带头人,我非常自豪: – 我不是技术最强的人 – 我无法为所有问题都找到答案- 最有创…
No 11. 【用于线性代数、优化和控制的PyTorch库】
No 12. 对那些不懂数学的人来说,很难真正体会到自然的美、那种最深层次的美。如果想要了解自然、欣赏自然,必须理…
No 13. 【(Python)特征工程自动化】
No 14. 【基于PyTorch的高效深度学习库fastai】
No 15. 亚利桑那(Arizona)
No 16. 晚安~ [月亮] ​
No 17. 【提高个人效率的五种方式】
No 18. 【Android App集成TensorFlow Lite指南】
No 19. 【强化学习之'多巴胺(Dopamine)'数学原理】
No 20. #AI 看不懂# ​
No 21. 人们往往会粗暴地评判他们所不了解的事物。对偏见寻根溯源,结果往往是无知。 我相信,(广义的)教育是解…
No 22. 【兼容树莓派/Movidius神经计算棒的Mobilenet-SSD人脸检测】
No 23. 【今日限免:Python图形界面程序开发方案手册(第二版)】
No 24. 【Google实习生的BigGAN生成逼真虚假图像】
No 25. 【软件2.0工程实践:用软件工程思维做深度学习】
No 26. Andrej Karpathy:像对待编程一样对待深度网络开发
No 27. 【nuScenes大规模无人驾驶数据集(1.4 Million self-driving car images)】
No 28. 《Taming VAEs》
No 29. 《How Powerful are Graph Neural Networks?》
No 30. 【PyTorch模型预测控制库】
No 31. ’PyTorch v1.0rc1 released: torch.jit, C++ API, c10…
No 32. 【Visual Studio Code扩展:为数据科学家提供交互式编程体验】
No 33. “路上弄”
No 34. 【Fashion-MNIST年度总结】
No 35. 【fast.ai 与 PyTorch】
No 36. 早! [太阳] ​
No 37. 【深度强化学习之策略梯度方法与近似策略优化(PPO)】
No 38. 【CVPR 2018摘要】
No 39. 从(软件)界面的设计能看出是不是关心用户。显然,开发工具的创建者,很少怀有对其他开发者的同情心…… …
No 40. 美!海滩上的北极光 http://t.cn/Ehc1wFx ​…
No 41. 【SQL 查询速查】
No 42. 【(杂志)计算机视觉新闻2018.10期】
No 43. 【深度学习/NLP 研究者Sebastian Ruder访谈】
No 44. 【内幕指南:如何与AI专家保持同步】
No 45. 【AI 真正现状在大众“鲜为人知”——Zachary Lipton说,目前的 AI 研究完全围绕机器学习展开,但大多数媒体可没说这些】
No 46. 简易DIY手机“3D全息投影”
No 47. 【现实世界机器人学习任务计算框架】
No 48. 【更好的机器学习】
No 49. 《Google Compute Engine Now Has Images With PyTorch 1.0.0 and FastAi 1.0.2》
No 50. 《Machine Learning for Visualization》

爱可可老师24小时热门分享(2018.10.2)

No 1. 人类大脑最惊人的一点,是它几乎慢得超乎想象。和电传输速度相比,神经脉冲的传播可以说是“极慢”
No 2. 《深入浅出数据科学》
No 3. “明智的迭代试错胜过完美无瑕的计划。”
No 4. 【自然语言处理近代史综述】
No 5. 【GitHub秘籍】
No 6. 【各领域最好的教材有哪些?】
No 7. 《程序员年龄增大后的职业出路是什么? – 知乎》
No 8. 拿走所有GPU,AI可能反而会突飞猛进🤔 当我们被迫改变思维方式时,往往会加速推进,尤其是…
No 9. 亚利桑那(Arizona)
No 10. 【Tensorflow实现的DeepLab_V3 CNN 语义分割】
No 11. 【为何大脑如此高效? 大规模并行性如何将大脑性能提升至超出AI的水平】
No 12. 【深度学习产品化部署资料集锦】
No 13. 【什么是(毕业)论文(Thesis)?——该回答什么问题,关于结构、路线和叙述的建议】
No 14. 晚安~ [月亮] ​
No 15. 假期,假期~
No 16. 2018进度条:▓▓▓▓▓▓▓▓▓▓▓░░░░ 75% ​…
No 17. 照今天的生活节奏,七天以后的我: http://t.cn/EhZJtz4 ​…
No 18. 《Deep Back-Projection Networks for Super-Resolution》
No 19. 【机器人学相关课程资料集锦】
No 20. 我们需要从对GPU算力的渴望和压榨中,偶尔停下来,从源头重新思考AI;就像引入资源和环境约束,解除原…
No 21. 动作流畅的体操机器人 src:
No 22. 呼吁全面叫停新论文,让我们彻底搞清楚现在是个啥状况
No 23. “复杂性不是目标。我不想作为复杂系统工程师被人们铭记。”
No 24. 前两天的的全光卷积,也是一例,未来要拼通路重构效率 //@老师木:大脑的是天然的“数据流计算机”
No 25. 【提高个人效率的五种方式】
No 26. 【今日限免:机器学习统计学】
No 27. 《An Introduction to Probabilistic Programming》
No 28. 【强化学习之'多巴胺(Dopamine)'数学原理】
No 29. 激情与梦想:Windows95发布现场 http://t.cn/Eh7j2V5 ​…
No 30. 存储和传播,都是未来计算的重要方向 //@老师木:大脑的是天然的“数据流计算机”
No 31. 【基于浏览器的TensorFlow.js可视化库】
No 32. 【面向机器阅读理解/问答的大规模数据集】
No 33. 是时候翻出这篇回味一下了
No 34. 早! [太阳]
No 35. 【nuScenes大规模无人驾驶数据集(1.4 Million self-driving car images)】
No 36. 【Kaggle 新赛:光度计LSST天文时间序列分类挑战赛(PLAsTiCC)】
No 37. 《Large Scale GAN Training for High Fidelity Natural Image Synthesis | OpenReview》
No 38. 《疯狂的麦克斯4:狂暴之路(Mad Max: Fury Road)》
No 39. 《A theoretical framework for deep locally connected ReLU network》
No 40. 【制作 AI 生态图】
No 41. 《Semantic WordRank: Generating Finer Single-Document Summarizations》
No 42. 人们往往会粗暴地评判他们所不了解的事物。对偏见寻根溯源,结果往往是无知。 我相信,(广义的)教育是解…
No 43. 【Fashion-MNIST年度总结】
No 44. 《HotpotQA: A Dataset for Diverse, Explainable Multi-hop Question Answering》
No 45. 作为团队带头人,我非常自豪: – 我不是技术最强的人 – 我无法为所有问题都找到答案- 最有创…
No 46. 《Recurrent Flow-Guided Semantic Forecasting》
No 47. 《Robustness Guarantees for Bayesian Inference with Gaussian Processes》
No 48. 【深度强化学习之策略梯度方法与近似策略优化(PPO)】
No 49. BIGGAN部分“奇怪”
No 50. Zach King的奇妙“后期”

爱可可老师24小时热门分享(2018.10.1)

No 1. 【程序员的自我修养(中文版)】
No 2. 激情与梦想:Windows95发布现场 http://t.cn/Eh7j2V5 ​…
No 3. 【期刊论文摘要指南:六条标准把握成功】
No 4. 【口碑爆棚,决定试试Visual Studio Code】
No 5. François Chollet的“在读”
No 6. “复杂性不是目标。我不想作为复杂系统工程师被人们铭记。”
No 7. 能屈能伸 [哈哈] http://t.cn/Eh7O0vC ​
No 8. 《深入浅出数据科学》
No 9. ICLR 2019目前能看到的:深度神经网络规模大上加大,需要更多数据、存储和计算资源。 GAN、R…
No 10. “Matplotlib 3.0.0 released”
No 11. 1940年的交互式雪佛兰汽车销售手册 http://t.cn/EhhCDUv ​…
No 12. 晚安~ [月亮] ​
No 13. 《DeepMVS: Learning Multi-View Stereopsis》
No 14. 照今天的生活节奏,七天以后的我: http://t.cn/EhZJtz4 ​…
No 15. 'AdvBox – 支持多种深度学习平台的AI模型安全工具箱,既支持白盒和黑盒算法生成对抗样本,衡量…
No 16. 【TensorFlow/OpenCV头部姿态估计】
No 17. 早! [太阳] ​
No 18. 《Multitask Learning on Graph Neural Networks – Learning Multiple Graph Centrality Measures with a Unified Network》
No 19. 《Global Weighted Average Pooling Bridges Pixel-level Localization and Image-level Classification》
No 20. 《Object Detection from Scratch with Deep Supervision》
No 21. 【深度学习产品化部署资料集锦】
No 22. 《Combined Image- and World-Space Tracking in Traffic Scenes》
No 23. 《程序员年龄增大后的职业出路是什么? – 知乎》
No 24. 【GitHub秘籍】
No 25. 《2019 校招各互联网大厂的算法岗是否存在供大于求的现象? – 知乎》
No 26. 'cx-extractor-python – 基于行块分布函数的通用网页正文抽取算法的Python版…
No 27. 【Humble Book特价活动:No Starch出版社图书特辑】
No 28. 【神经网络装配流水线:用 Python 快速测试各种度学习模型】
No 29. 【UC Berkeley深度强化学习课程】
No 30. 《Deep Back-Projection Networks for Super-Resolution》
No 31. 《Compressing the Input for CNNs with the First-Order Scattering Transform》
No 32. 【用3行Python代码将数据预处理加快2-6倍:善用concurrent.futures模块】
No 33. 《Multi-Scale Fully Convolutional Network for Cardiac Left Ventricle Segmentation》
No 34. “无人”
No 35. 如果你也爱漫威,就会懂 🤣🤣🤣 http://t.cn/EPq5dDB ​…
No 36. 《Hierarchical Deep Multiagent Reinforcement Learning》
No 37. 《Zoom-RNN: A Novel Method for Person Recognition Using Recurrent Neural Networks》
No 38. 【书稿:因果推理概念与方法】
No 39. 【Tensorflow实现的DeepLab_V3 CNN 语义分割】
No 40. 人生!
No 41. 【科研论文撰写手把手指南】
No 42. 《Playing the Game of Universal Adversarial Perturbations》
No 43. 《BrainNet: A Multi-Person Brain-to-Brain Interface for Direct Collaboration Between Brains》
No 44. 昏眩山羊(Fainting goat)是一种家养山羊,当它们感到恐慌时,肌肉会僵直约3秒钟 ref:…
No 45. 【机器人学相关课程资料集锦】
No 46. 《R-C3D: Region Convolutional 3D Network for Temporal Activity Detection》
No 47. 【面向机器阅读理解/问答的大规模数据集】
No 48. 你的数据值多少钱?为了成为iPhone默认搜索引擎,Google刚向Apple支付了90亿美元。 90亿美元,请大家用“免费”
No 49. 《Solving Large Extensive-Form Games with Strategy Constraints》
No 50. 《CoQA: A Conversational Question Answering Challenge》

爱可可老师24小时热门分享(2018.9.30)

No 1. 《深入浅出数据科学》
No 2. 【程序员的自我修养(中文版)】
No 3. NLP,呵呵 ​
No 4. 【UC Berkeley深度强化学习课程】
No 5. “无人”
No 6. 【科研论文撰写手把手指南】
No 7. 【用3行Python代码将数据预处理加快2-6倍:善用concurrent.futures模块】
No 8. '中文分词新词发现 – python3实现互信息和左右熵的新词发现' by Zzc GitHub: …
No 9. 【神经网络装配流水线:用 Python 快速测试各种度学习模型】
No 10. 【TensorFlow/OpenCV头部姿态估计】
No 11. 《2019 校招各互联网大厂的算法岗是否存在供大于求的现象? – 知乎》
No 12. 你的数据值多少钱?为了成为iPhone默认搜索引擎,Google刚向Apple支付了90亿美元。 90亿美元,请大家用“免费”
No 13. 坐标莫斯科,做30个蹲起可免费获得地铁票。好点子! ref:http://t.cn/EPezkoH …
No 14. 【Web操作自动化:用 Python 控制 Web】
No 15. 《DeepMVS: Learning Multi-View Stereopsis》
No 16. 😍 http://t.cn/EPgNq1o ​
No 17. 'AdvBox – 支持多种深度学习平台的AI模型安全工具箱,既支持白盒和黑盒算法生成对抗样本,衡量…
No 18. 【(R)基于嵌入(向量化)的协同过滤】
No 19. 【面向时尚、电子商务 AI 相关资源大列表】
No 20. 【图嵌入、表示学习文献集锦】
No 21. 《Large Scale GAN Training for High Fidelity Natural Image Synthesis | OpenReview》
No 22. [笑而不语] http://t.cn/EPeAbxM ​
No 23. 【Java机器学习库】
No 24. 早! [太阳] ​
No 25. 【书稿:因果推理概念与方法】
No 26. 'QANet_dureader – QANet+DuReader中文机器阅读理解' by Sean …
No 27. 'cx-extractor-python – 基于行块分布函数的通用网页正文抽取算法的Python版…
No 28. 《Large Scale GAN Training for High Fidelity Natural Image Synthesis》
No 29. 《为什么中国部分 985 高校的课件资料不让学生外传? – 知乎》
No 30. 【基于OpenCV图像分割的半自动图像标注工具】
No 31. 晚安~
No 32. 《Night-to-Day Image Translation for Retrieval-based Localization》
No 33. 《Shallow Learning For Deep Networks》
No 34. 《Learning to Segment Every Thing》
No 35. 《WaveCycleGAN: Synthetic-to-natural speech waveform conversion using cycle-consistent adversarial networks》
No 36. 【性能与OpenCV相当的轻量图像处理库(Python/C++)】
No 37. [嘻嘻] ​
No 38. 《CPDist: Deep Siamese Networks for Learning Distances Between Structured Preferences》
No 39. 《R-C3D: Region Convolutional 3D Network for Temporal Activity Detection》
No 40. (MIT)Walter Lewin教授课堂实验片段:射弹运动中水平速度分量保持不变 http://t…
No 41. 【CNN 可解释性文献汇编】
No 42. [哈哈] http://t.cn/EP3m7FK ​
No 43. 《Phrase-Indexed Question Answering: A New Challenge for Scalable Document Comprehension》
No 44. 《中国哪个大学的伙食/食堂质量最好? – 知乎》
No 45. 语音控制的烦恼 [笑cry] http://t.cn/Rs4Wogy ​…
No 46. GitHub:http://t.cn/EPrlncr
No 47. 【(Python)图结构数据机器学习库】
No 48. 【新书:机器翻译质量评价】
No 49. 【编程速查:如何使用Python 3、JavaScript这两种语言】
No 50. 【CNN 对抗攻击】

爱可可老师一周论文精选(2018.9.30)

No 1. 《Softer-NMS: Rethinking Bounding Box Regression for Accurate Object Detection》
No 2. 《Unsupervised Learning of Monocular Depth Estimation and Visual Odometry with Deep Feature Reconstruction》
No 3. 《Random Warping Series: A Random Features Method for Time-Series Embedding》
No 4. 《Faster RER-CNN: application to the detection of vehicles in aerial images》
No 5. 《Human activity recognition based on time series analysis using U-Net》
No 6. 《Deep Clustering for Unsupervised Learning of Visual Features》
No 7. 《Deep Graph Infomax》
No 8. 《Why scatter plots suggest causality, and what we can do about it》
No 9. 《Personalized Top-N Sequential Recommendation via Convolutional Sequence Embedding》
No 10. 《Real-Time Monocular Object-Model Aware Sparse SLAM》
No 11. 《No Multiplication? No Floating Point? No Problem! Training Networks for Efficient Inference》
No 12. 《PWC-Net: CNNs for Optical Flow Using Pyramid, Warping, and Cost Volume》
No 13. 《A Survey of Learning Causality with Data: Problems and Methods》
No 14. 《On Reinforcement Learning for Full-length Game of StarCraft》
No 15. 《Combined convolutional and recurrent neural networks for hierarchical classification of images》
No 16. 《Time is of the Essence: Machine Learning-based Intrusion Detection in Industrial Time Series Data》
No 17. 【深度学习高精度基因组研究】
No 18. 《VoxelMorph: A Learning Framework for Deformable Medical Image Registration》
No 19. 《LaSOT: A High-quality Benchmark for Large-scale Single Object Tracking》
No 20. 《RPNet: an End-to-End Network for Relative Camera Pose Estimation》
No 21. 《Night-to-Day Image Translation for Retrieval-based Localization》
No 22. 《Multi-View Community Detection in Facebook Public Pages》
No 23. 《Active Anomaly Detection via Ensembles》
No 24. 《Learning to Address Health Inequality in the United States with a Bayesian Decision Network》
No 25. 《A Survey on Theoretical Advances of Community Detection in Networks》
No 26. 《Semi-Supervised Sequence Modeling with Cross-View Training》
No 27. 《WaveCycleGAN: Synthetic-to-natural speech waveform conversion using cycle-consistent adversarial networks》
No 28. 《Temporal Interpolation as an Unsupervised Pretraining Task for Optical Flow Estimation》
No 29. 《Understanding Fake Faces》
No 30. 《Sparsified SGD with Memory》