机器学习人工学weekly-12/17/2017

1. 第一当然是NIPS啦(注意看上一期NIPS在Facebook上的视频)。NIPS开完,各种资料分析就出来啦,对我们这种没有机会去现场的人来说是个福音。

test-of-time award得主Ali Rahimi演讲(说深度学习是炼金术,跟Yann LeCun怼)。我个人认为其实是讲的非常好的,他的本意并不是攻击深度学习,只是提醒大家要从理论上更深入的理解深度学习:

https://www.youtube.com/watch?v=Qi1Yry33TQE&t=1s

Jeff Dean关于机器学习和机器的演讲slides,很多关于硬件的东西,信息量非常大,强烈推荐:

http://learningsys.org/nips17/assets/slides/dean-nips17.pdf

Pieter Abbeel大神(已经开始用embody.ai了)Deep learning for robotics的slides(视频在NIPS Facebook页面上有):

https://www.dropbox.com/s/fdw7q8mx3x4wr0c/2017_12_xx_NIPS-keynote-final.pdf?dl=0

Neil Lawrence的Gaussian Process:

http://inverseprobability.com/talks/lawrence-nips17/deep-probabilistic-modelling-with-gaussian-processes.html

DeepMind的深度学习tutorial:

https://www.youtube.com/watch?v=YJnddoa8sHk

Brown一个PhD学生David Abel非常详细的笔记:

https://cs.brown.edu/~dabel/blog/posts/misc/nips_2017.pdf

medium上的各路文章:

https://medium.com/@cody.marie.wild/nips-day-1-deep-queues-1cedd8aea60

https://medium.com/@Synced/nips-2017-day-1-2-highlights-67ab464086c

https://blog.insightdatascience.com/nips-2017-day-1-highlights-6aa124c5a2c7

https://medium.com/@ducha.aiki/nips-2017-1st-day-72beecec0439

https://deephunt.in/nips-2017-e580ebc9c7b2

https://github.com/hindupuravinash/nips2017/blob/master/README.md#nips-2017

如果这些还不够的话,下面是今年NIPS的所有文章:

https://papers.nips.cc/book/advances-in-neural-information-processing-systems-30-2017

2. Facebook(FAIR)也开始学Google Brain搞residency program了,有兴趣的同学可以去试试,相信会是非常不错的经历

链接:https://research.fb.com/programs/facebook-ai-research-residency-program/

3. Google在上海召开Google Developers Day,最重磅的消息当然就是李飞飞宣布成立China AI Center。于是招人是必然的,感兴趣的同学可以到这里搜机器学习相关的职位:http://careers.google.cn/

现场还有Google Cloud的人介绍跟整个机器学习pipeline相关的产品,比如数据预处理用的Dataflow, BigQuery,部署用的Kubernetes,CloudML等等

另外,Google开源了TFGAN,预先包装好的GAN API

链接:https://research.googleblog.com/2017/12/tfgan-lightweight-library-for.html

还有Kubeflow,使得在Kubernetes上用TF更容易

链接:https://github.com/google/kubeflow

4. AlphaGo教学工具上线了,对于懂围棋的人是个好工具,对于做AI的人嘛未必有太大用

链接:https://alphagoteach.deepmind.com/

同时David Silver大神在NIPS的演讲视频也出来了,主要谈的是AlphaGo系列,强烈推荐。其中这张幻灯片我觉得是精华

视频链接:https://www.youtube.com/watch?v=A3ekFcZ3KNw

Aja Huang宣布离开AlphaGo项目,不过个人认为Alpha*系列真正的灵魂人物是David Silver

5. PyTorch 0.3发布了,增加了对ONNX的支持。PyTorch是非常好用的框架,比难用的TF好多了 :)

release notes:https://github.com/pytorch/pytorch/releases/tag/v0.3.0

PyTorch也增加了Ignite这个high-level库,让神经网络的训练更容易

链接:https://github.com/pytorch/ignite#documentation

最近也有人发布了skorch这个项目,可以按照sklearn的方式使用PyTorch

链接:https://github.com/dnouri/skorch

5. Unity发布了ML-agents 0.2,用Unity引擎和增强学习做游戏,也可以把Unity当初训练环境

release notes:https://github.com/Unity-Technologies/ml-agents/releases/tag/0.2.0

6. Andrew Ng公布了他要干的3件事中的第二件(一件是deeplearning.ai,另一件还未公布但应该是一个AI风投):landing.ai。看起来是一个专注于把AI应用到传统制造业的咨询公司,现在已经在跟富士康合作。看起来跟林元庆(前百度深度学习实验室主任)的AIBee有那么一点像

7. tryo labs的一篇文章总结深度学习在自然语言处理领域2017年的最新进展,从word embedding到OpenAI的sentiment neuron,再到GAN和OpenNMT,总结的很不错

链接:https://tryolabs.com/blog/2017/12/12/deep-learning-for-nlp-advancements-and-trends-in-2017/

X. 上周去携程参加了一个机器学习的线下活动,最后一个talk讲携程度假部门做的一些系统,其中提到了一个叫EasyAI的系统,就是给业务部门快速搭ML模型部署的系统。演讲的人还强调跟阿里PAI的不同。回来补习了一下阿里PAI,挺有意思的系统,跟AWS SageMaker有点像。让ML快速上线或许是个创业方向,虽然跟巨头竞争肯定是很痛苦

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:2017-12-17

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

来自专栏新智元

【重磅】脑网络组图谱:世界第一个人类全脑连接图谱

【新智元导读】自动化所脑网络组研究中心蒋田仔团队联合国内外其他团队,通过6年努力,成功绘制出全新的人类脑图谱:脑网络组图谱。该图谱包括246个精细脑区亚区,以及...

3855
来自专栏PPV课数据科学社区

【案例】浅谈医学大数据是怎么回事?

编者按:本文作者陈遵秋,美国俄勒冈州,健康科技大学,公共卫生预防系,美国统计协会认证统计分析师;陈漪伊,美国俄勒冈州,健康科技大学,公共卫生预防系,生物统计助理...

3143
来自专栏量子位

强化学习新方法,让后空翻回旋踢再也难不倒机器人 | 伯克利论文

现在,加州大学伯克利分校和英属哥伦比亚大学最新研究的一种新方法,能教生活在模拟器中的机器人通过模仿人类,学会武打、跑酷、杂技等复杂技能。

1232
来自专栏新智元

【深度】空空如也的大脑 | 为什么科学家把人类当成了计算机?

【新智元导读】借鉴脑科学的研究,是否有助于发展人工智能?《今日心理学》前主编、心理学家 Robert Epstein 日前在 Aeon 刊文,指出将大脑比作计算...

3575
来自专栏大数据文摘

如何用数学知识提升情商?数学学霸们的6大思维习惯

1755
来自专栏新智元

【Nature】机器学习实时读取大脑信息,超级计算绘制“思维地图”

【新智元导读】普林斯顿和英特尔合作,开发了一款脑成像分析套件(BrainIAK)的软件工具包,能通过互联网公开提供给任何想要处理fMRI数据的研究人员。他们的最...

36611
来自专栏专知

想在科研界混,你先要学会如何在学术会议上问出好问题

【导读】提问是最好的学习,应该把参加学术讨论看成不可多得的学习良机,而提问则是充分把握新知识的钥匙。 罗斯基勒大学Julian Geiger 根据自己的经历总结...

1.5K3
来自专栏数据派THU

一文读懂因果推测、倾向模型(结合实例)

1473
来自专栏云计算学习之路

一张图解释互联网

现在我们生活在互联网时代,您了解互联网吗?到底什么是互联网?先别着急回答。看完这篇文章再说!

3325
来自专栏量子位

如何看待和学习人工智能?这是五位哈佛博士生的AMA

问耕 发自 SMB 量子位 出品 | 公众号 QbitAI 最近,五位哈佛的在读博士生集体来到著名社区reddit,展开一场围绕人工智能和认知科学的AMA(As...

3255

扫码关注云+社区

领取腾讯云代金券