云栖运营小编~
2017 年 12 月底,清华大学张钹院士做了一场题为《AI 科学突破的前夜,教授们应当看到什么?》的精彩特邀报告。他认为,处理知识是人类所擅长的,而处理数据是计算机所擅长的,如果能够将二者结合起来,一定能够构建出比人类更加智能的系统。
英伟达CES发布会,黄仁勋全力投入自动驾驶市场,发布了四大关键产品和平台,从各个方面提升驾驶体验。英伟达的自动驾驶平台合作伙伴,也已经增长到320+家。
在Yann LeCun“深度学习已死”的惊人发言下,可微分编程的概念引发了广泛关注。机器学习著名博主colah(Christopher Olah)在2015年展望30年后的深度学习,提到了可微分编程。他从深度学习三大观点之一的表示(representation)角度出发,认为深度学习研究的是优化和函数编程之间的联系,而可微分编程则是函数编程和优化的自然交集,十分优雅而简洁,值得进一步研究。
剑桥大学生存风险研究中心发布免费的MOD,让文明5的游戏玩家利用人工智能快速发展,但同时如果不建设人工智能安全实验室,超级AI就会毁灭人类文明。虽然AI在文明5中的表现糟糕,在即时策略游戏中也尚未战胜人类,但人类应该为此庆幸。
Python在程序并行化方面多少有些声名狼藉。撇开技术上的问题,例如线程的实现和GIL,我觉得错误的教学指导才是主要问题。常见的经典Python多线程、多进程教程多显得偏"重"。而且往往隔靴搔痒,没有深入探讨日常工作中最有用的内容。
有了维度定义后,我们就可以来梳理前面讲过的简化JOIN语法了。 先定义字段维度: 维度字段的维度为其本身; 外键字段的维度为相应外键表中关联字段的维度; 测度字段没有维度。 这是个递归定义。
上周爆出的英特尔CPU漏洞门受到很大关注,Linux内核针对Meltdown漏洞出了PIT补丁,但据报告该补丁对性能影响很大。那么它对机器学习任务的影响如何呢?本文作者对神经网络(TensorFlow&Keras)、Scikit-learn、XGBoost等进行了使用和不使用PTI补丁时的性能比较,发现该补丁对性能的影响非常依赖于任务——有些任务不受影响,有些任务的性能下降了40%。
斯坦福大学博士生、师从李飞飞教授的Jim Fan(范麟熙)带你一文读懂强化学习的来龙去脉。本文以轻松有趣的方式介绍了强化学习的概念和目的,早期功不可没的宗师泰斗,理解算法所需要的预备知识,还从仿生学和心理学的角度介绍了强化学习的历史背景。
LeCun又发表惊人言论,继昨天参与深度学习论战、喷机器人Sophia后,今天他在Facebook主页发文,称“深度学习已死,可微分编程万岁!”深度学习真的死了?而可微分编程又是什么呢?
2017年人工智能行业延续了2016年蓬勃发展的势头,那么在过去的一年里AI行业从技术发展角度有哪些重要进展?未来又有哪些发展趋势?本文从大家比较关注的若干领域作为代表,来归纳AI领域一些方向的重要技术进展。
MySQL GTID特性是5.6加入的一个强大的特性,它的目的在于使用GTID的MySQL能够在整个复制环境中能够自动地切换,而不像以前需要指定文件和位置,这也一定是未来发展的方向,我们熟知的MGR也是基于GTID的,所以了解GTID的原理也是必要的。
熟悉扎克伯格的人都知道,每到新年伊始,扎克伯格都会给自己设定一个Personal Challenge,从2009年开始到现在,他会坚持给自己列出一系列挑战自己的难题并完成。 扎克伯格这个著名的年度挑战任务已经持续了很多年,他把每年的这个叫做Challenge,而不是Plan,来督促自己做一些有难度的事情。
刚刚过去的2017年,物流业再创新历史,快递进入1天1亿时代,包裹也送得越来越快。菜鸟网络今日发布2017包裹“最”排行,榜单显示,包裹量上粤浙苏领先,北京却未入前十;80后、90后已是绝对主力军,而50后剁手甚至超过00后,天秤座成为收包裹冠军。
17年12月至今,不到一个月时间,首都北京相继出台多条无人驾驶相关消息,其政策效率之高给无人驾驶行业重大信心。 近日,关于首都人工智能发展的政策利好也是惊喜连连,北京市提出2020年人工智能总体技术和应用达到世界先进水平,形成具有全球影响力的人工智能创新中心,并成为全市新的重要经济增长点。
矩阵计算在计算机科学中占有举足轻重的地位,是每个开发者都需要掌握的数学知识。近日,来自普渡大学的 Petros Drineas 与 UC Berkeley 的 Michael Mahoney 提交了一篇概述论文《Lectures on Randomized Numerical Linear Algebra》可以作为线性代数知识的参考资料,本文将对其中的部分内容(主要为第二章:线性代数)进行简单介绍。
美国能源部橡树岭国家实验室利用超级计算机Titan,开发出一种人工智能系统,一天之内就能生成神经网络。而最聪明的数据科学家也需要好几个月才能开发出一个深度学习软件。即使是Google的AutoML,也需要数周的时间才能设计出一个优秀的图像识别系统。
本文从开发者的角度,总结了GAN、AutoML、语音识别、NLP等已经可以用于实际产品的技术,以及值得关注的新趋势。作者认为,有ONNX这类的统一格式,Caffe Zoo等模型库,以及AutoML等自动化工具,制作基于AI的应用已经变得非常容易。
近日,美国《科学美国人》刊发文章,对2018年大脑技术的发展做了预测,认为将会出现脑控技术、神经颗粒和微型大脑。而日产也正计划用脑波控制无人驾驶汽车。同样,北京首条自动驾驶测试道路将落地亦庄、福布斯预测苹果将收购特斯拉等要闻也值得关注。
一年间,Uni Marketing 全域营销已由一个方法论迅速落地为能为品牌主和代理商所用的产品矩阵,通过实际案例改变了品牌对营销乃至零售的想象。
2017 年 12 月 31 日晚,在浙江卫视“2018思想跨年”晚会中,“知识F4”马东、高晓松、吴晓波、张召忠以及阿里巴巴集团技术委员会主席王坚展开了一场激烈的观点碰撞。王坚分享了“城市大脑”对城市未来发展的重要意义。
2018年1月3日,第四届清华大学大数据人才新春交流会如期而至。本届交流会继续秉承“跨界融合、谋求共赢”的理念,邀请了数据科学研究院管理委员会及教育指导委员会的代表、大数据培养项目的授课老师、清华大学各院系的老师、清数大数据产业联盟的优秀企业代表、数据院合作伙伴代表、清华大数据项目学生以及校内外对大数据教育感兴趣的同学等200余人,共同度过了一个有意义的数据之夜。