机器学习人工学weekly-2018/1/28

注意下面很多链接需要科学上网,无奈国情如此

1. Google Brain年终总结part 2,总结2017年在医疗,机器人,文艺创作等等方面的成果,我个人对robotics很感兴趣,这个以后前景无限,只是困难多多,看CoRL最后那部分就知道有多难了

链接:https://research.googleblog.com/2018/01/the-google-brain-team-looking-back-on_12.html

2. 移动端加速一直是一个关注点,虽然我不太能看懂TVM到底在做什么,但是这篇blog还是应该读读

链接:http://tvmlang.org/2018/01/16/opt-mali-gpu.html

另外就是旷视的ShuffleNet(虽然这个已经不算新了),用pointwise group convolution和channel shuffle提高速度

链接:https://arxiv.org/pdf/1707.01083.pdf

3. PyTorch 1岁了,发了一篇blog总结一年的进展。我觉得PyTorch作为一个全新的框架,在跟TF等诸多框架正面竞争的时候能有这样的traction真是说明一些问题,确实是设计的好用,连TF都要出eager mode来对抗

链接:http://pytorch.org/2018/01/19/a-year-in.html

Facebook开源object detection工具detectron,一天之内github上就5000多个星

链接:https://github.com/facebookresearch/Detectron

Yann LeCun卸任FAIR director去做Chief AI Scientist,我觉得很合理,很多搞研究的人其实并不适合或者不喜欢管人,专心做科研挺好的,管人这种operations的东西扔给其他人就好

4. 亚马逊发的一篇论文eCommerceGAN,把wGAN用到了电商领域生成order,非常有创意的应用

链接:https://arxiv.org/pdf/1801.03244.pdf

PS: Amazon Go这周开业,肯定用了超多机器学习+CV,但是都没公开

5. 我自己比较关注RL,所以有好的RL工作都会加进来,这周有3篇

5.1 Pieter Abbeel组提出的soft actor-critic,用off-policy方法和max entropy来降低sample complexity,提高收敛的稳定性

链接:https://arxiv.org/pdf/1801.01290.pdf

5.2 还有一篇牛津的expected policy gradient论文,各种推数学啊,真心难

链接:https://arxiv.org/pdf/1801.03326.pdf

不想啃数学的就看作者Kamil自己写的摘要吧

5.3

用RL(应该是DQN,论文里没明确写,但是提到了experience replay)优化数据库index,这个其实没啥难度,只是应用领域有点新

链接:https://arxiv.org/pdf/1801.05643.pdf

6. CMU AP Graham Neubig教授的Neural Nets for NLP 2018开始了,YouTube上他有及时更新的,目前有2集,感觉比DeepMind在牛津讲的更细。2017年的视频也全部都还在

链接:https://www.youtube.com/watch?v=Q3Y1t9-O3M0&list=PL8PYTP1V4I8Ba7-rY4FoB4-jfuJ7VDKEE

7. 大炮Gary Marcus又发了篇文章,这次是怼DeepMind Alpha*系列,主要是说Alpha*并不是完全没有用human knowledge,而是用了innate knowledege,像cnn, MCTS等等,这一点上我还是认可的

Innateness, AlphaZero, and Artificial Intelligence

链接:https://arxiv.org/pdf/1801.05667.pdf

8. 安利两个做推荐系统的库,一个是surprise(算是scikit一部分?),一个是基于Pytorch的Spotlight,都是包装了各种FM, NN,sequence model算法的即用包,适用与implicit/explicit

surprise: http://surpriselib.com/

spotlight: https://maciejkula.github.io/spotlight/

9. (这个更适合搞机器学习理论的同学)印度神校IIT和MS的两个哥们往Arxiv上扔了篇ML非凸优化的文章介绍概念

Non-convex Optimization for Machine Learning

链接:https://arxiv.org/pdf/1712.07897.pdf

10. BAIR(Berkeley AI Research)的新文章,conditional covariance minimization选features。跟之前提到的Deep Feature Synthesis其实有点相通,都是从模型输入的角度改进模型

Kernel Feature Selection via Conditional Covariance Minimization

链接:http://bair.berkeley.edu/blog/2018/01/23/kernels/

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:2018-01-28

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

来自专栏大数据文摘

【知乎精选】如何准确又通俗易懂地解释大数据及其应用价值?

3844
来自专栏量子位

Google人工智能面试·真·题(附参考答案+攻略)

然而想要“应试”成功,考验的不仅仅是开发人员的编程技术,还能侧面考验着参赛者的渠道来源是否广泛、背景力量是否强大、脑洞回路是否清奇……

1003
来自专栏数据科学与人工智能

【统计学习】写给在学习统计的学弟学妹

在其他论坛看到一篇写如何学统计的文章,作者侃侃而谈,语言也不失幽默,更重要的是,平实的表述中却把很多读统计的童鞋共有的感受和疑问一同归纳总结了出来。楼主看过之后...

1989
来自专栏人工智能头条

泥沙龙笔记:parsing 是引擎的核武器,再论NLP与搜索

1267
来自专栏大数据文摘

重振人工智能雄心壮志的时刻已经到了

2068
来自专栏Python数据科学

腾讯:首个在一场完整星际Ⅱ比赛中击败作弊级Bot的AI

编者按:19日,来自腾讯AI Lab、罗切斯特大学和西北大学的研究人员发表了一个预印本《TStarBots: Defeating the Cheating Le...

703
来自专栏VRPinea

VR健身时代来临,玩游戏也能减肥你敢信?

3507
来自专栏灯塔大数据

干货 :数据驱动决策的13种思维

“数据驱动决策”,为了不让这句话成为空话,请先装备以下13种思想武器,相信将来你一定能用上! 第一、信度与效度思维 这部分也许是全文最难理解的部分,但我觉得也...

3466
来自专栏PPV课数据科学社区

数据驱动决策的13种思维

“数据驱动决策”,为了不让这句话成为空话,请先装备以下13种思想武器,相信将来你一定能用上! 第一、信度与效度思维 这部分也许是全文最难理解的部分,但我觉得也...

3516
来自专栏PPV课数据科学社区

批评文:大数据,大安利

最近在社会上刮起一阵大数据的不正之风,本科生也敢拿着几个G的硬盘声称这些数据能解决某某疑难问题,让人联想起存满硬盘黄片的处男说这家伙老爽了。 虽然在社会科学领域...

2848

扫码关注云+社区