机器学习人工学weekly-2018/3/11

换了个新职位非常忙，我还会每周更新，但是估计是没时间仔细读论文了，所以评论可能就没什么深度了，精力有限，哎。

1. DeepMind新RL学习方式SAC-X，尝试通过auxiliary task来解决sparse reward问题（跟UNREAL有些关系）

Learning by playing

blog：https://deepmind.com/blog/learning-playing/

链接：https://arxiv.org/pdf/1802.10567.pdf

2. Google Brain通过增加auxiliary loss的方法改进LSTM

Learning Longer-term Dependencies in RNNs with Auxiliary Losses

链接：https://arxiv.org/abs/1803.00144

3. 阿里发布用多agent RL提高广告收益的论文

Deep Reinforcement Learning for Sponsored Search Real-time Bidding

链接：https://arxiv.org/abs/1803.00259

4. variational autoencoders讲的最清楚的视频(Arxiv Insights这个账号值得follow)

链接：https://www.youtube.com/watch?utm_campaign=Revue+newsletter&utm_medium=Newsletter&utm_source=The+Wild+Week+in+AI&v=9zKuYvjFFS8

5. Intel MobileEye发的一篇论文，把很多自驾车的安全问题用数学方法表示出来

On a Formal Model of Safe and Scalable Self-driving Cars

链接：https://arxiv.org/pdf/1708.06374.pdf

6. NLP的前沿研究问题，都是NLP的高级问题

链接：http://ruder.io/requests-for-research/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

7. 框架/工具/资源

7.1 Berkeley RISE实验室的Panda on Ray，用并行化加速Panda处理数据

链接：https://rise.cs.berkeley.edu/blog/pandas-on-ray/

7.2 instacart开源lore，把整个机器学期的pipeline都包进去

链接：https://github.com/instacart/lore

简单教程：https://tech.instacart.com/how-to-build-a-deep-learning-model-in-15-minutes-a3684c6f71e

7.3 Alpha Zero Chess

链接：https://github.com/Zeta36/chess-alpha-zero

7.4 TF教程(有视频)，看起来不错

链接：https://github.com/Hvass-Labs/TensorFlow-Tutorials

7.5 word vector教程

链接：https://gist.github.com/aparrish/2f562e3737544cf29aaf1af30362f469

7.6 微软发布MMdnn，让各个框架之间的模型互相转化，感觉跟ONNX有点重叠啊

链接：https://github.com/Microsoft/MMdnn

7.7 用keras实现各种GAN

链接：https://github.com/eriklindernoren/Keras-GAN?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

7.8 TF 1.6发布了

链接：https://github.com/tensorflow/tensorflow/releases

*Waymo发布VR视频，里面很清楚的可以看到LiDAR/radar/camera的perception，sensor fusion, planning, mapping等等

链接：https://www.youtube.com/watch?time_continue=70&v=B8R148hFxPw