机器学习人工学weekly-2018/2/11

注意下面很多链接需要科学上网,无奈国情如此

1. sentiment analysis的survey文章,前面略显累赘,后面还行

链接:https://arxiv.org/pdf/1801.07883.pdf

2. 微软用AirSim模拟器训练自驾车的教程,可以配合MIT自驾车的课一起学

链接:https://github.com/Microsoft/AutonomousDrivingCookbook/tree/master/AirSimE2EDeepLearning

3. Ali Rahimi(NIPS上说深度学习是炼金术的人)又写了篇文章说各种问额,跟NIPS上说的差不多,只不过这次场合是说要不要教高中生AI

Lessons from Optics, The Other Deep Learning

链接:http://www.argmin.net/2018/01/25/optics/

4. Aurélien Géron这个人的YouTube频道值得去follow一下,这几天他又做了一个entropy, cross-entropy的短视频,之前做了capsule和synthetic gradient,视频质量都很高。此兄之前在YouTube做产品经理(可见Google的PM有多偏技术了),还写了本机器学习的书"Hands-on Machine Learning with Scikit-Learn and TensorFlow",书也非常不错(无耻的说网上也有盗版)

YouTube频道:https://www.youtube.com/channel/UCCvGd1WBMpFQ_vtC89VF2qA

5. 阿里相关

5.1 阿里发布了一本关于强化学习的小书,讲RL在搜索,推荐,广告,智能问答,导购多个场景下的应用,很有启发性

链接:http://techforum-img.cn-hangzhou.oss-pub.aliyun-inc.com/1517812754285/reinforcement_learning.pdf

5.2 阿里的PAI平台终于开放商业应用了,之前也推荐过一些关于PAI平台的学习视频

简短消息(貌似是阿里的人写的):https://yq.aliyun.com/articles/422764?spm=a2c4e.11157919.spm-cont-list.146.4b8421e5b6xcWz

6.(首先承认我不是特别懂这块儿,编译原理没好好学)今天看到这个DLVM,给深度学习做编译器优化的工具(跟TensorFlow XLA和TVM相似),应该是把计算图编译优化成GPU硬件上执行效率更高的代码。作者刚从水果跳到Google Brain搞TPU这块儿,所以猜测XLA应该会吸收这里面的东西

DLVM: A MODERN COMPILER INFRASTRUCTURE FOR DEEP LEARNING SYSTEMS

链接:https://arxiv.org/pdf/1711.03016.pdf

7. (羞愧的承认没有认真读paper,只看了blog)DeepMind blog发的一篇,把深度学习和传统的symbolic reasoning结合起来,一个适合generalize,一个适合解释模型,很好的方向

Learning explanatory rules from noisy data

链接:Learning explanatory rules from noisy data

8. BAIR blog新帖讲人机合作的工作,主要是人干预机器人执行的时候,机器人根据人的干预重新plan,然后执行出理想的trajectory

Learning Robot Objectives from Physical Human Interaction

链接:http://bair.berkeley.edu/blog/2018/02/06/phri/

9. OpenAI的Request for Research 2.0,邀请搞研究的人去解决一系列目前还没有答案的问题(以RL为主)。虽然大多数人不可能解决,但是了解一下顶级研究机构想解决的问题也有好处,毕竟提出问题也是搞研究的一个重要步骤

链接:https://blog.openai.com/requests-for-research-2/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

10. 推荐几个非技术的文章:

* 著名风投A16Z制作的自驾车系列视频(共8个),讨论对自驾对各行业的影响

The Autonomy Ecosystem

链接:https://www.youtube.com/watch?v=of5j-Lztqrg

* Hinton老爷子的传记文章,挖的比较深

Mr. Robot

链接:https://torontolife.com/tech/ai-superstars-google-facebook-apple-studied-guy/

* 亚马逊在AI上的投入,主要是AWS和Alexa(看文章说他们早期根本没能力做出来,买了一堆小公司,然后解决了far field问题),深度不错

INSIDE AMAZON'S ARTIFICIAL INTELLIGENCE FLYWHEEL

链接:https://www.wired.com/story/amazon-artificial-intelligence-flywheel/

* 机器翻译的局限。虽然Google Translate已经用了最牛B的RNN+attention,但是NMT还是差的远。其实机器翻译就是统计,根本没有理解语言,所以也很正常

The Shallowness of Google Translate

链接:https://www.theatlantic.com/technology/archive/2018/01/the-shallowness-of-google-translate/551570/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

原文发布于微信公众号 - 机器学习人工学weekly(MLandHuman)

原文发表时间:2018-02-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏MixLab科技+设计实验室

Pix2Pix与人工智能做设计

设计是一个创造的过程,目前大部分的设计类产品大多是基于模版的,外加一些图像匹配的处理,做出来的设计,缺少创造的成分,更多的是预设的结果。 基于深度学习算法,是否...

3799
来自专栏星流全栈

srez—人脸图片分辨率提升工具,监控世界,这一刻终将来临

1243
来自专栏大数据文摘

重磅译制 | 更新:牛津大学xDeepMind自然语言处理 第9讲(上)什么是语音

1304
来自专栏大数据文摘

重磅译制 | 更新:牛津大学xDeepMind自然语言处理 第10讲 文本转语音(1)

牛津大学Deep NLP是一门关于自然语言处理(NLP)的高阶课程。课程由牛津大学和谷歌DeepMind(AlphaGo的开发机构)联合开设,是牛津大学计算机系...

472
来自专栏量子位

机器学习概念太多记不住?别怕,这有一套手绘小卡片 | 资源

颜萌 李林 编译整理 量子位 出品 | 公众号 QbitAI 有很多种方法可以了解机器学习。你可以去听课,也可以看视频教程,甚至博客,知乎问答都可以是你的选择。...

3455
来自专栏大数据文摘

重磅译制 | 更新:牛津大学xDeepMind自然语言处理 第7讲(下)条件语言模型

1497
来自专栏量子位

深度学习究竟怎么入门?两位Google大神掀起剑气之争

作为一名 华山派新弟子 深度学习新手,该先学会用框架快速搭出神经网络,用到实际问题中去,还是该先练习用Python基本徒手搭建模型,在小数据集上训练,了解它们的...

602
来自专栏AI科技评论

业界丨图像识别怎样改变AV产业?日本人表示:你们都弱爆了

AI 科技评论注:本文作者何之源,复旦大学计算机科学硕士在读,研究人工智能计算机视觉方向。本文由 AI 科技评论编辑整理自作者知乎专栏,获授权发布。 先进的图像...

3868
来自专栏大数据文摘

重磅译制 | 更新:牛津大学xDeepMind自然语言处理 第8讲(中)注意力模型

1634
来自专栏walterlv - 吕毅的博客

UI 设计中的视觉无障碍设计

2017-12-10 10:58

422

扫描关注云+社区