机器学习人工学weekly-2018/1/14

注意下面很多链接需要科学上网,无奈国情如此

1. 大炮Gary Marcus(NYU教授,前Uber AI lab的director)发长文讨论深度学习的各种问题,比如需要大量数据,容易被攻击等等

链接:https://arxiv.org/ftp/arxiv/papers/1801/1801.00631.pdf

2. Justin Timberlake新出的MV Filthy,背景是2028年吉隆坡的AI大会(当然是虚构的),如果机器人真的有这种dexterity就好了

视频:https://www.youtube.com/watch?v=gA-NDZb29I4

3. TF 1.5快出来了,现在有了rc0,大的feature看来就是eager和Lite,以及CUDA/cuDNN升级

Release note链接:https://github.com/tensorflow/tensorflow/releases/tag/v1.5.0-rc0?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

4. 上周说到adversarial attack,这周就看到Google的这篇NIPS论文,他们做的这个patch可以直接3D打印出来放到物体旁边,然后classifier就悲剧了

链接:https://arxiv.org/pdf/1712.09665.pdf

5. MIT自驾车的课2018又要开始了(2017年的guest speaker视频还没传完,哎),这个课虽然比较短,应该只是半个学期,但是内容还不错,而且作业也蛮有意思,请的speaker都是大牛,就是我觉得课的内容太浅,自驾是及其复杂的系统,这个课只讨论了很小的一块儿。今年看邀请的speaker也很赞,都是各大自驾厂Waymo/nuTonomy/Aurora/Voyage的领军人物

链接:https://selfdrivingcars.mit.edu/

另外这个课的主讲Lex Fridman这个学期还要上一门AGI的课,请的speaker也都是大神: Josh Tenenbaum(MIT教授), Ray Kurzweil(Google eng director),Mark Reibert(Boston Dynamics CEO),还有Ilya Sutskever和Andrej Karpathy就不用介绍了,非常期待

链接:https://agi.mit.edu/

6. 这个工作也蛮有趣,根据bug报告来判断那个工程师应该去triage。记得以前我在的那个组每周有一个专门的人就干这个事儿,大概要占一半的时间,有了这个工具就可以省很多时间了。虽然现在几个开源项目上的效果并不是那么准(rank-10也只有50%左右的准确率),但是感觉如果效果好的话应用空间很大。另外我觉得他们没有考虑工程师的commit,不然应该会有提高

链接:https://arxiv.org/pdf/1801.01275.pdf

http://bugtriage.mybluemix.net/

7. Toronto一帮人写的RNN survey,原来还有那么多不知道的东西,LSTM/GRU就一堆变种,还有各种优化方法,gradient descent变种训练方法等等,博大精深

链接:https://arxiv.org/pdf/1801.01078.pdf

8. 艾瑞最近出的两个研究报告还不错,一个关于计算机视觉,一个关于人工智能城市,我觉得行业里的公司和应用方向的整理比较清晰

CV: http://report.iresearch.cn/wx/report.aspx?id=3097

智能城市:http://report.iresearch.cn/wx/report.aspx?id=3121

9. Reddit 评选2017年机器学习各项最佳

链接:https://www.reddit.com/r/MachineLearning/comments/7nrzhn/d_results_from_best_of_machine_learning_2017/

10. BAIR发blog介绍Ray,之前也介绍过Ray,是个不错的framework,大大简化了并行化带来的复杂度,很多算法几十行就能搞定

链接:http://bair.berkeley.edu/blog/2018/01/09/ray/

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:2018-01-14

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

来自专栏华章科技

这10个可怕的学习习惯,会拖你后腿

全球超过140万名人报名参加,MOOC最受欢迎的学习课“learning how to learn”,帮助让学生掌握适用于任何科目的高效学习方法。

761
来自专栏数说工作室

周一鸡血 | 编程不好怎么学数据挖掘? | 数说 · 精选

本文作者谢科,是数说君在知乎认识的一位数据科学大牛,Twitter的Data Scientist,目前正在创业(“用软件定义商家做生意的方式”)。 对于一个编...

3366
来自专栏专知

深度学习理论在哪里?再思考- 中科院自动化所胡包钢研究员参加2017年NIPS会议感想

【导读】本文原本是为《基于信息理论的机器学习》教程中文注释后记准备的。但是上周我参加NIPS学术会议期间曾受《专知》邀请建议回来后写些会议感言。为简单将这感言与...

3594
来自专栏PPV课数据科学社区

当今世界最NB的25位大数据科学家

引言 在大数据技术飞速发展的今天,谁才是我们大数据科研与工业界中最有威望的科学家呢?下面我们来进行梳理,共罗列了25位当今世界,无论是在学术与工业界都产生巨大影...

4265
来自专栏币圈

投资战法在币圈熊市如何得到高回报

比如每年把钱存在银行的平均利率,或者高三的成绩从一百分到零分取平均值,最后得70分的是最多的,这都是正态分布。

1034
来自专栏顶级程序员

当今世界最NB的25位大数据科学家

引言   在大数据技术飞速发展的今天,谁才是我们大数据科研与工业界中最有威望的科学家呢?下面我们来进行梳理,共罗列了25位当今世界,无论是在学术与工业界都产...

2828
来自专栏量子位

谷歌发布了机器学习深度课程,很难毕业的那种 | 这不是MLCC

如今,以几个月前谷歌的机器学习速成课程 (MLCC) 为基础,两间公司继续联手,发布了一套机器学习专项课程,包含五门课,比以前更加专注于实战了。

923
来自专栏杨熹的专栏

从惧怕到有所成就

掌握12门外语 创办6所学校 方法 从对每个技能的惧怕到有所成就的方法,先要直面,然后分解,找到最关键的要素,去攻克并掌握。 提姆·费里斯: 无所...

3234
来自专栏大数据文摘

Nature最新研究:数千学者每五天发一篇论文,这些高产作家背后的科研圈

论文是学术水平的重要体现形式,而不同研究者的发文频率和质量也大不一样。Nature杂志近日进行了一次调研,他们从Scopus数据库里找到了2000年至2016年...

682
来自专栏人工智能头条

当今世界最NB的25位大数据科学家

2464

扫码关注云+社区