情人节降至，百度推出基于 AI 的魅力值测评和诗歌自动生成主题功能
百度搜索在近日推出了基于人工智能技术的“情人节用脸撩，开启桃花运”功能，迎接情人节。用户在百度搜索 App 中需用语音说一句“开启桃花运”即可进入主题页面。该页面包含两大核心功能：一个是“自拍撩汉/妹指数”，即根据照片颜值打分的功能，另一个则是输入姓名/地点后自动生成专属诗歌的功能。
详情：http://www.leiphone.com/news/201702/nyTmxpTMd4sRooJX.html
密歇根大学发明超微型深度学习计算机Micro Mote，体积比指甲盖还小，功耗仅288微瓦
近期在美国旧金山举办的IEEEE国际固态电路研讨会上（IEEE International Solid-State Circuits Conference ，ISSCC)上，来自美国密歇根大学的David Blaauw和Dennis Sylvester教授向公众展示了他们最新的研究成果：一系列名为Micro Mote的超微型计算机。
根据应用领域的不同，这些Micro Mote的外设、体积和功耗也不尽相同。值得一提的是，其中一款集成了深度学习功能的Micro Mote只需要288微瓦（microwatts）的功耗就可以运行神经网络模型。根据报道，密歇根大学的研究者是通过重新设计芯片架构的方式实现了这一突破。
TensorFlow 与 Apache Spark 结合：雅虎开源“TensorFlowOnSpark”
雅虎昨日宣布开源 TensorFlowOnSpark。
它使得深度学习框架 TensorFlow 能与 Apache Spark 中的数据集兼容。对于使用 Spark 来处理不同类型数据的机构和开发者来说，这无疑是一个好消息。TensorFlowOnSpark 的开源代码，已基于 Apache 2.0 协议在 GitHub 上发布。
雷锋网(公众号：雷锋网)详细报道：http://www.leiphone.com/news/201702/XwhHugKHTk86WQso.html
开源地址：https://github.com/yahoo/TensorFlowOnSpark
微软公布口语翻译语料库
近日，微软亚洲研究院通过官方微博宣布公开微软口语翻译语料库：Microsoft Speech Language Translation (MSLT) Corpus。该语料库允许研究人员对照一套包含法语，德语和英语的多回合双语对话数据集，衡量其自有对话翻译系统的质量和有效性，旨在帮助人们标准化测试其各自对话语音翻译系统的运行效果。
值得一提的是，上周晚些时候，微软刚刚开源了Graph Engine（分布式图处理引擎）和基于该引擎的一种可用于子图和路径查询的数据查询语言LIKQ （Language-Integrated Knowledge Query）。
详情：http://weibo.com/ttarticle/p/show?id=2309404073301877124705
语料库地址：https://www.microsoft.com/en-us/download/details.aspx?id=54689
Graph Engine和LIKQ语言开源地址：https://github.com/Microsoft/GraphEngine
Python正式迁移到GitHub
Python 正式迁移到源码托管平台 GitHub，拥抱了 Git 版本控制系统。
Python 社区早在2014年就开始讨论是否迁移到 GitHub 以改进开发流程，当时 Python 使用的版本控制系统是 Mercurial，而 GitHub 只支持 Git 版本控制系统，所以这也意味着 Python 需要迁移到 Git。2016 年 1 月，Python 项目正式宣布迁移到 GitHub，从 Mercurial 切换到 Git 。
详情：http://www.cnbeta.com/articles/584379.htm
开源地址：https://github.com/python/cpython
最新课程：牛津大学2017自然语言处理课程（附视频及PPT）
近日，网上公开了牛津大学2017年希拉里学期（Hilary term）深度自然语言处理（Deep Natural Language Processing）课程的相关视频及PPT。
该课程主要由牛津大学副教授Phil Blunsom担任主讲，得到了谷歌DeepMind，Nvidia和Microsoft Azure的大力支持，目前更新到第8课（共10课）。
课程介绍：http://www.cs.ox.ac.uk/teaching/courses/2016-2017/dl/
视频及PPT地址：https://github.com/oxford-cs-deepnlp-2017/lectures
精品博客：波士顿每个月发生几起持械抢劫？这里有一份基于Python的时间序列预测详解
今天推荐一个基于Python语言的时间序列预测教程。原作者在scikit-learn、SciPy和NumPy等库的基础上，利用1966年1月至1975年10月，近十年间发生在美国波士顿的持械抢劫数据，基于ARIMA模型，对波士顿地区的持械抢劫案件进行了预测。以本例中搭建的预测框架和工具为参考，用户可以将类似技术扩展到其他的时间序列预测场景之中。
雷锋网后续将推出本文的中文版，敬请期待。
