【AI每日播报】推荐系统老司机的10条经验 深度学习应用大盘点

CSDN主办的SDCC大会干货满满地结束了。错过了？没关系，具体PPT及大会专题报道请见 http://special.csdncms.csdn.net/sdcc2016/

【AI每日播报】专栏于11月1日正式上线，受到读者广泛好评。今日精选四篇CSDN精致博文，其中包括长篇系列连载《自动梯度求解》系列、苦口婆心的《推荐系统老司机的十条经验》、可以用来对照自省的《这11个观点可能会让你和深度学习擦肩而过》、以及总结非常全面的《深度学习应用大盘点》。话不多说，请看下文。

p.s. 直接下拉至文章底部点击阅读原文，体验更优。

李理：自动梯度求解

使用自动求导实现多层神经网络

本系列文章面向深度学习研发者，希望通过Image Caption Generation，一个有意思的具体任务，深入浅出地介绍深度学习的知识。本系列文章涉及到很多深度学习流行的模型，如CNN，RNN/LSTM，Attention等。本文为第6篇，介绍了常见深度学习框架或工具的使用方法、以及如何使用自动求导来实现多层神经网络。文中堪称参考答案一般的具体解说或许会给您的机器学习之路带来启发。

原文请见：http://geek.csdn.net/news/detail/125097

推荐系统老司机的十条经验

一年一度的ACM Recsys会议在9月份已经胜利闭幕，留下一堆slides和tutorials等着我们去学习。

翻看今年的各种分享，其中老司机Xavier Amatriain的分享引起了我的兴趣：Lessons Learned from Building Real­-Life Recommender Systems。主要分享了作为推荐系统老司机的他，多年开车后总结的禁忌和最佳实践，这样的采坑实录显然是很有价值的。

Xavier Amatriain，曾任Netflix的算法总监，现任Quora的工程副总裁。

Xavier Amatriain在recsys上的分享，是他在推荐系统领域的十条实践经验（这位老司机同样的题目在不同渠道多次分享过，一共有三个版本，加起来去重后不止十条，同学们赚到了），本文只针对他在Recsys2016上的分享一一解读。

原文请见：http://geek.csdn.net/news/detail/124262

这11个观点可能会让你和深度学习擦肩而过

Peter Thiel 有一个很有名的说法——“最后一个公司的优势”。意思是你可能不需要具备“第一启动的优势”，但是你一定要成为你行业里最后一个站着的公司。就像Google有可能是最后一个搜索引擎公司，Amazon有可能是最后一个做电商的, Facebook希望不是最后一个社交网络公司等。但是让我夜里辗转反侧的是——深度学习有可能会是“人类最后一个发明”(Last Invention of Man)。

但是，咱们先别想那么远。不管怎样，Kurzweil在他《奇点临近( Singularity)》一书中预计在2045年实现的设想也是30年之后的事情。我们现在要做的就是在这30年里弄清楚想生活在像电影《极乐（Elysium）》中那样，还是什么别的不知名的腐烂废水里。

因此，我提出“专家”团队可能会让你和深度学习带来的重要改革擦肩而过的11个理由，供大家参考。

原文请见：http://geek.csdn.net/news/detail/125056

深度学习应用大盘点

当首次介绍深度学习时，我们认为它是一个要比机器学习更好的分类器。或者，我们亦理解成大脑神经计算。

第一种理解大大低估了深度学习构建应用的种类，而后者又高估了它的能力，因而忽略了那些不是一般人工智能应用的更现实和务实的应用。

最好最自然的理解应该是从人机交互角度来看待深度学习应用。深度学习系统似乎具备近似于生物大脑的能力，因此，它们可以非常高效地应用于增强人类或者动物已经可以执行的任务上。此外，需要重视的一点是，深度学习系统与传统的符号计算平台非常不同，正如人类与计算机的计算方式不同一样，深度学习也是如此。

使用深度学习构建应用甚至可以如我们畅想的科幻小说一般。下面我们来分享基于深度学习开发出来的一些不可思议的应用程序。

原文请见：http://geek.csdn.net/news/detail/124812