|
|
机器学习日报 2016-04-07
订阅：给 hao@memect.com 发封空信， 标题: 订阅机器学习日报
今日焦点 (5)
 SolarLee 网页链接 2016-04-07 06:42
深度学习 视觉 Yann Lecun 可视化
【深度学习、人工智能】Facebook AI 负责人 Yann LeCun 2016/03/24 在CERN 的讲座 ：《深度学习和人工智能的未来》。下载需要翻墙，但有人把讲座视频给大家搬回来啦，视频里好多精彩的可视化效果，快点感受下吧[哈哈]~~ http://t.cn/RqbM26j
 张俊林say 网页链接 2016-04-07 19:09
经验总结 深度学习 自然语言处理 Max Pooling 博客
这篇归纳了CNN常见的三种Max Pooling操作："自然语言处理中CNN模型几种常见的Max Pooling操作 "http://t.cn/RqGePpI
 zwner 网页链接 2016-04-07 18:47
深度学习 算法 应用 资源 KNN PDF 聚类 论文 推荐系统
DeepMind团队开始涉足推荐系统领域。人工智能最终是体现在决策(decision making)上，推荐什么item给用户其实可以理解为一个决策问题而不是预测问题，但面临一个超大离散决策的空间问题。团队提出在embed action的基础上用Q-learning加KNN的方法学习并快速索引相关action。论文：http://t.cn/RqGBo42
爱可可-爱生活 网页链接 转发于2016-04-07 19:17
《Deep Reinforcement Learning in Large Discrete Action Spaces》G Dulac-Arnold, R Evans, H v Hasselt, P Sunehag, T Lillicrap, J Hunt, T Mann, T Weber, T Degris, B Coppin [Google DeepMind] (2015)http://t.cn/R4qrNYs
 视觉机器人 网页链接 2016-04-07 10:40
深度学习 Aaron Courville Ian Goodfellow Yoshua Bengio 行业动态
【深度学习】经过两年半的努力，由谷歌大脑团队科学家 Ian Goodfellow, Yoshua Bengio and Aaron Courville撰写MIT出版的《Deep Learning》，今天完成最终稿了，打印版本还需要些时日。 电子版：http://t.cn/RbQ8FyE
 统计之都 网页链接 2016-04-07 10:26
深度学习 算法 Python 集成学习
DMLC是由一群极客发起的组织，主要目标是提供快速高质量的开源机器学习工具。近来流行的boosting模型xgboost便是出自这个组织。最近DMLC开源了一个深度学习工具mxnet，这个工具含有R，python，julia等语言的接口。本文以R接口为主，向大家介绍这个工具的性能与使用方法。http://t.cn/RqGvZDI ...全文： http://m.weibo.cn/1869170057/3961572633874103
最新动态
 我爱机器学习 网页链接 2016-04-07 22:48
深度学习 算法 应用 强化学习 推荐系统
【DeepMind团队的《Deep Reinforcement Learning in Large Discrete Action Spaces》】http://t.cn/RqqaBvx增强学习用在推荐系统？不过看起来文章的最大创新只是引入了action embedding，提出了如图所示的Wolpertinger Policy网络，然后用Deep Deterministic Policy Gradient (DDPG)进行训练。
 晓如微博 网页链接 2016-04-07 21:51
经验总结 博客 教育网站 可视化
#北大可视分析博客# 为数据可视化选择具有语义共鸣性的色彩（Selecting Semantically-Resonant Colors for Data Visualization） | PKU Visualization Blog 人们早已习惯将颜色与各种概念绑定在一起，如果能有效利用这种语义共鸣色，我们是否也能提高可视化的认知效率呢？ http://t.cn/RqqV5Up
 爱可可-爱生活 网页链接 2016-04-07 20:41
深度学习 算法 Ilya Kostrikov 神经网络
"TensorFlow-VAE-GAN-DRAW - collection of generative methods implemented with TensorFlow (Deep Convolutional Generative Adversarial Networks (DCGAN), Variational Autoencoder (VAE) and DRAW: A Recurrent Neural Network For Image Generation)." by Ilya Kostrikov GitHub:...全文： http://m.weibo.cn/1402400261/3961727542596477...全文： http://m.weibo.cn/1402400261/3961727542596477
爱可可-爱生活 网页链接 2016-04-07 20:23
Kevin Swersky Nando De Freitas Ryan P. Adams Ziyu Wang 统计
《Taking the Human Out of the Loop: A Review of Bayesian Optimization》By Bobak Shahriari, Kevin Swersky, Ziyu Wang, Ryan P. Adams, and Nando de Freitas (2016) http://t.cn/RqqA2lI
 新浪科技 网页链接 2016-04-07 17:52
算法 行业动态 新闻
【人工智能年内比拼无人方程式赛车 首战或在北京】人工智能在围棋上击败人类后，今年又要挑战赛车运动了。不过这项名为Roborace的赛事并不打算让人工智能和人类车手同场竞技。相反，主办方的想法是在限定赛车的硬件水平后，让不同参赛队伍比拼人工智能算法。http://t.cn/RqGQ75L http://t.cn/RqGWkFJ
 互动出版网china-pub 网页链接 2016-04-07 17:25
语音 资源 行业动态 书籍
#好书推荐# 《新智元：机器+人类=超智能时代》75折包邮热售中：http://t.cn/RqGjKQk。PC版：http://t.cn/RqGjKQF。十大人工智能研究院院长、AI专家技术重磅解密。人工智能技术和产业狂飙突进的见证，为读者打开人工智能世界的一扇大门，不仅可以一窥百度大脑、讯飞超脑、中国大脑计划究竟，更可以著名...全文： http://m.weibo.cn/1645536727/3961678003497363
爱可可-爱生活 网页链接 2016-04-07 16:24
经验总结 Rob Speer 博客 代码 集成学习
《An introduction to the ConceptNet Vector Ensemble》by Rob Speer http://t.cn/RqGNWfQGitHub:http://t.cn/RqGNWf8
 CTO俱乐部 网页链接 2016-04-07 15:06
算法 凸优化
#CTO技术干货# 【算法优化之道：避开鞍点】本文将讨论寻找凸路径（ convex path ）时可能会遇到的不同类型的临界点（ critical points），特别是基于梯度下降的简单启发式学习方法，在很多情形下会使你在多项式时间内陷入局部最小值（ local minimum ） 。阅读全文：http://t.cn/RqG74RE
视觉机器人 网页链接 2016-04-07 13:38
深度学习 应用 资源 自然语言处理 机器人
【机器人、深度学习】深度学习在聊天机器人的应用（第一部分：简介）：http://t.cn/RqbdVFh 微软小Tay上线后开始被教坏变成种族主义者，再上线后再被教坏，要在警察面前吸大麻。作者将陆续介绍聊天机器人的基本原理。后面列了相关技术的Reading List，可参考。 本文为第一部分：简介。聊天机器人...全文： http://m.weibo.cn/5501429448/3961620902520334...全文： http://m.weibo.cn/5501429448/3961620902520334
 刘知远THU 网页链接 2016-04-07 12:35
会议活动 IJCAI 会议 教育网站
我组4篇论文被人工智能顶级会议IJCAI 2016录用 http://t.cn/RqGUuDe 最近，我组有4篇论文人工智能领域顶级会议“人工智能国际联合大会”（International Joint Conference on Artificial Intelligence，IJCAI 2016）接收，它们分别是： Agreement-based Joint Training for Bidirectional Attention...全文： http://m.weibo.cn/1464484735/3961605031233306
孙茂松 网页链接 转发于2016-04-07 17:38
望再接再励！ 另，清华大学自然语言处理与社会人文计算实验室近些年来发表的大多数论文可从如下网页下载： http://t.cn/RqGTyY4
自动化网官方微博 网页链接 转发于2016-04-07 18:10 回复 @孙茂松 “望再接再励！ 另，清华大学自然语...”
清华大学自然语言处理与社会人文计算实验室近些年来发表的大多数论文 ...[给力]#自然语言处理#
 hankcs 网页链接 2016-04-07 11:42
算法 资源 Python 集成学习 书籍 统计
【提升方法】 本文是《统计学习方法》第8章提升方法的笔记，整合了《机器学习实战》中的提升树Python代码，并添加了注解和PR值计算代码。《方法》重理论，但不易理解，《实战》重实践，但缺乏理论基础，特别是AdaBoost算法的解释、提升树与加法模型的关系等。两相结合… http://t.cn/RqGwt3m
 深度学习与人工智能 网页链接 2016-04-07 09:48
深度学习 山世光
#深度学习# 面部特征点定位概述及最近研究进展 http://t.cn/RqbD1fI 未读转需，来自计算所山世光的博士生张杰
 王威廉 网页链接 2016-04-07 08:19
公告板 深度学习 Python 问题
跟大家探讨几个开放式问题：大家认为到底计算机科学(Science)与工程(Engineering)的边界在哪里？以深度学习来说，学术界和工业界的着重点应该有什么不同与相同之处？如果本科毕业生也能玩转Theano/TensorFlow/Torch等平台的话，那么深度学习的博士优势到底何在？
龙星镖局 网页链接 转发于2016-04-07 08:33
很棒的问题，好几次想过这个问题，我还是坚持认为博士经历很重要，前天还刚建议实习生接着读博士。夜欢迎大家讨论，到时整理个专题发到 我爱计算机 www.52cs.org 上面。
睡眼惺忪的小叶先森 网页链接 转发于2016-04-07 08:40
论比写代码，工作三年的本科生玩爆刚毕业的硕士生太常见了，真的太常见了。而且读硕士还少赚了三年的钱。而且，还少了三年工作经验。钱，代码能力，工作经验。吃亏了。赚的呢？我觉得读完硕士最大的收获是一是了解了机器学习数据挖掘，二是有了硕士学位和平台背景，三是更好的数学思维和习惯。
龙星镖局 网页链接 转发于2016-04-07 08:40
先回答最后一个问题的理解：好的博士能改进／创新算法，更好的博士能抽象／总结方法，而一般的本科／研究生则是围绕这个问题先查解决方案（一般是查paper），然后仿着把这个问题给解决了，爱学习一点的同学会自己总结或者摸索一些算法的使用经验，但做不了更多，形成不了更好的知识让后来者更进一步。
王威廉 网页链接 转发于2016-04-07 08:47
回复@icecile: 不确定是否每个博士都应该提出一个新的平台，貌似我们也不需要那么多平台。搭平台本身就是大量的脏活累活，真正花在对科学问题本质的探究上时间到底有多少？
马超Terminal 网页链接 转发于2016-04-07 09:00
(1) 两者不应该有明显的边界，换句话说应该(甚至必须)「二者得兼」。(2) 顶尖的深度学习研究工业界和学术界没什么区别，不过工业界的资源更多。（3）本科生和博士生最大的区别不是能不能玩转几个工具，而是博士生具有更好的「发现问题」和「问题抽象」的能力。
潘越_ 网页链接 转发于2016-04-07 09:08
除了少量计算理论的研究之外，计算机学科应该绝大部分归入工程学吧。大部分的工作，与其说是科学与工程的区别，不如说是研究与开发的区别。
keukenhoff 网页链接 转发于2016-04-07 10:01
It's true in ML applications a few hundreds lines of code can do an amazing job, because you teach the machine to learn instead of programming it explicitly. But these tools/frameworks are built on top of a knowledge stack, the bar is high, not like iOS dev.
尼古拉斯-李振 网页链接 转发于2016-04-07 13:20
目前停留在可以把它玩起来，但是我却不能为什么这个东西是这样的，这个东西的不足我可以如何弥补，改进。如何在以后将类似的问题抽象成这个东西，并将它做出来。我觉得本科生与博士生差的是对理论的深度理解和基于所理解的理论去抽象出现实产品去解决目前还没有解决或发现不多的问题上
尼古拉斯-李振 网页链接 转发于2016-04-07 13:24
继需要能够很快玩转的人，也需要制造平台，抽象问题，解决问题的人。萝卜白菜各有所爱。
 新财富杂志 网页链接 2016-04-07 07:35
算法 行业动态 李骁军
【IDG发布2016TMT战略：人工智能、消费升级、泛娱乐投资】IDG资本合伙人李骁军指出，当前人工智能大发展的条件已基本成熟：1、硬件已经达到基本要求，2、算法得到了很大提高，3、数据分析已经成为可能。当前人工智能正处于爆发初期，未来在各个行业都会有非常令我们激动人心的应用http://t.cn/RqbmjkD
|
|
发表于 2016-4-9 22:26:41
