策划 / 晋阳
编辑 / 吴璇
数字时代的今天,从各个渠道涌来的各种碎片化信息数不胜数。对于 AI 领域,每天会涌现一大波国内外的技术博文、论文、文档等等。
习惯了速读的你有没有问过这样一个问题:这篇文章真的有价值吗?
社长在阅读许多技术博客译文的时候发现,除了部分翻译曲解原意之外,原文本身的价值也有待重新衡量。再者由于一些媒体并未对博文经过合理筛选,只为蹭热点或者利用大IP提升阅读量,“造就”了不少低含金量的内容。
于是,社长决定做这样一个栏目:既帮助大家保持阅读的好习惯,又能一起来甄别出有价值的内容,供大家学习。
在这里,你也可以成为AI阅读研究员。
▼▼▼
/1/
5 Ways to Get Started with Reinforcement Learning
#Reinforcement Learning #Training Framework
#Hierarchical Deep Learning
“本文简单形象地介绍了强化学习训练框架以及分层强化学习,给出了5种reinforcement learning的入门方法,文章内附带了相关知识的具体学习资源。”
研究员:Jakie Chan (名古屋大学计算力学方向博士,主要从事计算力学数值方法研究)
https://buzzrobot.com/5-ways-to-get-started-with-reinforcement-learning-b96d1989c575
/2/
The Future of Artificial Intelligence: Predictions for 2018
#Artificial intelligence #Predictions
“把技术细节留给科学家,工程师解决,文章给出了未来两年,人类能够受益的领域里最令人振奋的人工智能发展,包括医护,金融,客户体验等。未来的人工智能有太多的潜力需要我们发掘,它的应用依赖于技术的发展,更依赖于我们想象力的空间。”
研究员:Jakie Chan
https://www.exastax.com/artificial-intelligence/the-future-of-artificial-intelligence-predictions/
/3/
How we use Convolutional Neural Networks to estimate the layout of a room
#CNN #images in the wild #application
“我个人觉得它的技术不真实,很有可能就假的,如果没有在线demo的话就完全不可信。而且1(b)图就不对劲,像素级别的切割肯定不是那样的结果,全文缺少细节。要么只有这张图片是找的特例,要么就是手工画的。强烈不推荐。”
研究员:叶腾琪(都柏林城市大学PH.D)
https://medium.com/@digitalbridge/how-we-use-convolutional-neural-networks-to-estimate-the-layout-of-a-room-4808add50d5f
/4/
Dropout: A Simple Way to Prevent Neural Networks from Overfitting
#Deep learning #tuning tricks
“随着AlexNet惊艳问世,一个词就可以形容Drop-out技术,大道至简。深度网络因为参数多的缘故,非常容易过拟合。抗拟合的方法有许多,包括经典的regularizer,earlystopping等。普遍认为,Drop-out是一个想法简单、实现容易的方法,但很多初学者却又难以搞懂弄透。推荐的理由是该文可以满足多层次需求,无论小白还是砖家都能获益匪浅。读者可以通过该文体验一把做学术阅读的感觉。”
研究员:叶腾琪
http://jmlr.org/papers/v15/srivastava14a.html
/5/
The Step-By-Step PM Guide to Building Machine Learning Based Products
#Product management #software engineer
“1、从业务需求出发分析机器学习的落地;2、介绍机器学习会有哪些坑,并教你如何应对;3、从产品经理视角审视机器学习模型研发的全过程;4、教你如何组建与管理你的机器学习研发团队;5、有机器学习赋能的产品给用户带来的体验;6、研发人员需要考虑产品的实时性,数据模型依赖,数据的收集频率与收集方法。”
研究员:吴楚(算法工程师)
https://medium.com/@yaelg/product-manager-pm-step-by-step-tutorial-building-machine-learning-products-ffa7817aa8ab
/6/
How I replicated an $86 million project in 57 lines of code
#车牌识别 #车联网 #防盗
“怎么用57行代码解决一个8600w美金的项目?作者用少量代码实现一个本地图像处理程序,通过无数出租车上的车载摄像头实现完整的车辆防盗系统,天网恢恢疏而不漏,技术的力量难以预估。 ”
研究员:王奇文(前BAT资深工程师)
https://medium.freecodecamp.org/how-i-replicated-an-86-million-project-in-57-lines-of-code-277031330ee9