机器学习人工学weekly-12/24/2017

1. DeepMind发布2017年的回顾blog，总结今年在多个方面取得的进展，比如AlphaGo Zero，Parallel WaveNet（比最早的WaveNet快了100倍，用来产生Google Assistant的语音），基于进化算法的增强学习和神经网络架构搜索，基于概率分布的增强学习（那篇paper很值得一读），已经基于imagination的model-based增强学习（跟Yann LeCun说的predictive learning有点像）等等

blog链接：https://deepmind.com/blog/agents-imagine-and-plan/

2. Science上关于Libratus的论文发出来了，在non-perfect information game领域取得了重大进展。我尝试去读了一下，确实没读懂（?），不过他们用的Monte Carlo Counterfactual Regret Minimization也是增强学习的一种

链接：http://science.sciencemag.org/content/early/2017/12/15/science.aao1733.full

3. MIT的自驾车课程MIT 6.S094 (cars.mit.edu)又放出了2集guest speaker的视频，分别是MIT的Sertac Karaman讲motion planning和Stanford的Chris Gerdes讲政府监管。Karaman参加了DARPA Urban Challenge，MIT当年第四，他讲的跟Cornell撞车的分析很有意思，motion planning真的很男，Karaman现在也在做自驾的创业Optimus Ride。Gerdes他们做了奥迪自驾赛车Shelley，而且在美国交通部担任首席创新官，在监管方面很有见解

视频链接：https://www.youtube.com/watch?v=0fLSf3NO0-s&list=PLrAXtmErZgOfvrgXrKgzAFbqAW-lCG0Fv

4. Google的一个工程师做的机器学习101 ppt，非常华丽，可以看看

链接：https://docs.google.com/presentation/d/1kSuQyW5DTnkVaZEjGYCkfOxvzCqGEFzWBy4e9Uedd9k/preview?imm_mid=0f9b7e&cmp=em-data-na-na-newsltr_20171213#slide=id.g168a3288f7_0_58

5. Google和NASA合作，用深度学习通过行星的亮度规律找到了Kepler-90i这个新的行星，很有意思的发现

链接：https://www.nasa.gov/press-release/artificial-intelligence-nasa-data-used-to-discover-eighth-planet-circling-distant-star

6. Google发布Tacotron 2, 让TTS产生的语音更接近人声，有一篇小paper，大概的idea就是2步走，先用seq2seq从字母生成语音特征，然后在用wavenet类似的方法从语音特征生成最后的语音，效果很逼真

链接：https://arxiv.org/abs/1712.05884

7. statsbot发了一篇今年文章总结今年深度学习的各种进展，GAN部分和RL部分写的不错，虽然并未提及很重要的Alpha*系列和Liberatus，以及learning to learn这个重要的趋势

链接：https://blog.statsbot.co/deep-learning-achievements-4c563e034257

8. JP Morgan内部关于机器学习的280页文档，写的不错，里面有一些机器学习在金融领域的应用案例，可以看看

链接：http://www.valuesimplex.com/articles/JPM.pdf

9. 本周在上海纽约大学举办了一个Future Leaders of AI Retreat活动，邀请了很多顶级学校的博士生，陈天奇，顾士翔等等，还有今日头条的李航，FB的田渊栋等等大牛。虽然没能去现场，但是录制的视频值得一看

视频链接：http://www.itdks.com/eventlist/detail/1849

X. 本周都在学习Google Cloud的一系列跟大数据相关的一系列产品，其实除非是做纯研究，否则要让产品落地的话整个数据链的pipeline非常非常重要，不是打广告，Google这些产品还都挺有用的:

Cloud Dataprep - 洗数据用的

Cloud Dataproc - host在Google服务器上的hadoop/spark

Cloud Dataflow - host在Google服务器上的Apache Beam，跑数据pipeline，支持batch和streaming

BigQuery - 数据仓库

Cloud Datalab - host在Google服务器上的jupyter notebook

Cloud Data Studio - 类似tableau画图做visulizaition

Cloud ML Engine - 类似TFX+Vizier，或者Amazon SageMaker，也支持调超参

StackDriver - 做监控用的

其他还有BigTable, Spanner之类的数据库也都很有用