机器学习日报 2017-02-09 基于Spotify播放列表和word2vec的歌手推荐引擎;谷歌发布强力马赛克...

解应春BW

机器学习日报 2017-02-09

• 聊天机器人的发展状况与分类 @网路冷眼
• 谷歌发布强力马赛克清除技术 @澎湃新闻
• Stanford CoreNLP 自然语言处理 @爱可可-爱生活
• 基于Spotify播放列表和word2vec的歌手推荐引擎 @爱可可-爱生活
• CNN 和 RNN 在 NLP 各大任务上的表现对比 @AI100
  

@好东西传送门 出品,由@AI100运营， 过往目录 见http://ml.memect.com

订阅：关注微信公众号 AI100（ID：rgznai100，扫二维码），回复“机器学习日报”，加你进日报群

邮件版包括15条，本期的Web版有完整内容15条

用日报搜索找到以前分享的内容： http://ml.memect.com/search/

今日焦点 (5)
网路冷眼   网页链接 2017-02-09 22:58
深度学习 视觉 应用 自然语言处理 机器人
【聊天机器人的发展状况与分类】目前机器学习，尤其是深度学习，已经成功的解决了图像识别的问题。从IMAGENET大赛的近几年成绩看，识别类问题准确度已经接近100% http://t.cn/RJqrD78 ​




澎湃新闻   网页链接 2017-02-09 22:08
深度学习 视觉 行业动态
【谷歌发布超强马赛克清除技术，靠AI的 “脑补”来还原图像】近日，谷歌发布了一个名为超强像素递归方案的AI系统，能提高像素乱化处理后的照片的分辨率。通俗地讲，就是能去除马赛克。开发者们通过深度学习让机器产生“联想”，以“猜测”的方式为被马赛克的色块增加细节，提升像素倍数，从而得出更清...全文： http://m.weibo.cn/5044281310/4073364715083711 ​

爱可可-爱生活   网页链接 2017-02-09 21:35
经验总结 自然语言处理 Andrea Cappelli 博客
【Stanford CoreNLP自然语言处理】《Natural Language Processing with Stanford CoreNLP | Cloud Academy》by Andrea Cappelli http://t.cn/RJ5nQBH ​

爱可可-爱生活   网页链接 2017-02-09 21:10
应用 自然语言处理 Matt Dennewitz 代码 推荐系统
【基于Spotify播放列表和word2vec的歌手推荐引擎】’artistrecs - An artist recommendation engine, from feeding Spotify playlists through word2vec' by Matt Dennewitz GitHub: http://t.cn/RJ5jx05 ​

AI100   网页链接 2017-02-09 18:03
深度学习 自然语言处理
http://t.cn/RJ520dN 【AI100 导读】本文系统地对比了 CNN 和 RNN 在 NLP 各大任务上的表现，包括：情感分类、关系分类、文本蕴含、答案选择、问题关系匹配、PQA、词性标注等。RNN 在大部分任务上都表现的更好，除了在关键词匹配和识别这类任务不如 CNN。这篇文章有很多不错的结论，值得一读！ ​




最新动态
网路冷眼   网页链接 2017-02-09 22:28
深度学习 视觉 算法 资源 GPU Pete Warden 分类 行业动态 书籍
【机器学习零基础？手把手教你用TensorFlow搭建图像分类器| 干货】Pete Warden是TensorFlow移动团队的技术负责人。曾在Jetpac担任首次技术官。Jetpac的深度学习技术经过优化，可在移动和嵌入式设备上运行。该公司已于2014年被谷歌收购。Pete还曾在苹果公司从事GPU优化领域的图像处理工作，并为O'Reilly...全文： http://m.weibo.cn/1715118170/4073369718838480 ​




算法组   网页链接 2017-02-09 22:27
算法 KNN Python 聚类
聚类算法python实现『K-Means & Other Clustering Algorithms: A Quick Intro with Python – LearnDataSci』http://t.cn/RJ583AQ ​




百度大脑   网页链接 2017-02-09 20:55
经验总结 深度学习 博客
PaddlePaddle兼容集群管理系统Kubernetes了！“这意味着PaddlePaddle成为迄今唯一正式支持 Kubernetes的深度学习框架；也意味着开发者们能够便捷地在全球主要云服务以及私有集群 (on-premise clusters) 上做大规模深度学习训练了。”（via Kubernetes博文） ​

专注云计算   网页链接 2017-02-09 20:16
深度学习 算法 SVM 神经网络
【AI vs 深度学习 vs 机器学习：人工智能的 12 大应用场景】深度学习是指由许多层组成的人工神经网络。“深”是指层数多。相比深度学习，其他的许多机器学习算法是浅的，例如 SVM，因为它们没有多层的深架构。@下岗工人01 @没人用我的名 @何春银微想 @铭玉其_很平凡 @LR机器学习计算机视觉 ...全文： http://m.weibo.cn/1750765385/4073336700863194 ​

爱可可-爱生活   网页链接 2017-02-09 20:12
经验总结 深度学习 Python 博客
【新手几分钟也能玩转的六个(Python)深度学习应用】《6 Deep Learning Applications a beginner can build in minutes (using Python)》by Faizan Shaikh http://t.cn/RJ5ayT8 ​

专注云计算   网页链接 2017-02-09 19:58
深度学习 视觉 Yann Lecun
【资讯 | 沈向洋、Yann LeCun 等人当选美国工程院院士】美国国家工程院于 2 月 8 日宣布了 2017 年新晋院士名单，微软全球执行副总沈向洋作为外籍院士名列其中。沈向洋博士现主管微软技术与研发部门，因在计算机视觉与图形学的突出贡献、以及在业界的研发和领导力而当选。@下岗工人01 @没人用我的名 ...全文： http://m.weibo.cn/1750765385/4073332142187293 ​

微软亚洲研究院   网页链接 2017-02-09 17:58
知识工程 代码 知识库
【#开源#】近日,微软亚洲研究院在GitHub 上开源图数据查询语言LIKQ,它是基于分布式图数据处理引擎Graph Engine的可用于子图和路径查询的数据查询语言。LIKQ直接使用原生C#代码构建知识图谱语言,让海量图数据实时检索和集成触手可得。请戳http://t.cn/RJ5AnOA http://t.cn/RJ5AnNH ​


微软亚洲研究院 网页链接 转发于2017-02-09 18:03
Graph Engine自微软亚洲研究院2015年发布以来，受到各界广泛关注，截至今年1月底， SDK工具包下载量已接近三万次。而基于Graph Engine的LIKQ则可帮助用户更方便、直观地查询和检索Graph Engine处理的图数据。未来，微软将继续维护、开发LIKQ和Graph Engine，帮助更多开发者和研究员处理大规模图数据。



ArnetMiner   网页链接 2017-02-09 16:33
算法 资源 Jacques M. Bahi PDF 论文
【每日一推】《Low Cost Monitoring and Intruders Detection using Wireless Video Sensor Networks》by Jacques M. Bahi, Christophe Guyeux, Abdallah Makhoul, Congduc Pham http://t.cn/RJqgHjj 用于监视器视频传感器网络的应用变得日益重要。本文提出一种新的调度算法，其中视频节点的子集对监测...全文： http://m.weibo.cn/1870858943/4073280375195836 ​

FPGA开发圈   网页链接 2017-02-09 14:09
算法 Iris Setosa Iris Versicolour Iris Virginica Python 分类 神经网络
【使用python写神经网络模型之分类器】本文开始以UCI中的Iris数据集作为训练数据集和测试时间集。该数据集给出了花萼(sepal)的长度和宽度以及花瓣(petal)的长度和宽度，根据这4个特征训练模型，预测花的类别(Iris Setosa，Iris Versicolour，Iris Virginica)。http://t.cn/RJqNyVM ​

视觉机器人   网页链接 2017-02-09 10:41
深度学习 视觉 算法 神经网络
人脸识别，采用非常深度的神经网络进行鲁棒性和可辨识性的3D形变建模，Regressing Robust and Discriminative 3D Morphable Models with a very Deep Neural Network，代码：http://t.cn/RJGDx3Q 项目、论文等资料：http://t.cn/RJGDx3H 面部的3D形状是众所周知的是有区别的。然而，尽管如此，它...全文： http://m.weibo.cn/5501429448/4073191796281092 ​