AI研习社-腾讯云开发者社区

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

AI研习社

专栏成员

1755

文章

2198505

阅读量

197

订阅数

AI 崛起的第九个年头，还有哪些大有可为的地方？

编程算法黑客机器学习监督学习迁移学习

从2012年算起，人工智能的再次爆发已经进入了第九个年头，人们对“人工智能是什么”也从最初的懵懂、憧憬、恐惧，逐渐走向深度的认识。在2018年人们还在讨论人工智能什么时候会再次进入寒冬，但到了2019年人们对“寒冬”之说已经不再感冒，而是普遍在追寻“如何让人工智能可理解”或者“AI所引发的隐私、安全、伦理问题”。2020年，人工智能依旧在蓬勃发展，并在各行各业产生了深刻的影响。2020年还剩下10个月的时间，让我们去预期，人工智能会有哪些重要的趋势呢？

2020-02-27

6450

2020 年了，深度学习接下来到底该怎么走？

NLP 服务强化学习监督学习深度学习编程算法

在过去的一年，深度学习技术在各个领域一如既往地取得了不少进展。然而当前深度学习技术（本文中称为深度学习1.0）仍然存在着一些明显的局限，例如在解决有意识任务方面的不足。那么针对这些局限性，在未来的一年，有哪些可能的解决方案？深度学习又会在哪些方面带来有希望的突破？

2020-02-21

4930

干货 | 关于机器学习的知识点，全在这篇文章里了

编程算法强化学习监督学习无监督学习机器学习

机器学习：使计算机改进或是适应他们的行为，从而使他们的行为更加准确。也就是通过数据中学习，从而在某项工作上做的更好。

2019-10-08

5890

牺牲睡眠、耽误论文，三周开发出「斗地主」AI，他们拿下了今年 DeeCamp 最佳团队奖

编程算法游戏机器人深度学习监督学习

8 月 16 日，由创新工场主办的 2019 DeeCamp 人工智能训练营正式结营。

2019-08-27

9510

不容错过的机器学习/深度学习笔试题及解析！

编程算法线性回归监督学习

1.在构建一个决策树模型时，我们对某个属性分割节点，下面四张图中，哪个属性对应的信息增益最大？

2019-08-09

1.9K1

如何入门机器学习？这里有一份来自英伟达计算机科学家的课程清单

监督学习 https 网络安全机器学习人工智能

在机器学习的入门和进阶过程中，如果有一份好的学习教程尤其是学习视频，学习效果无疑会事半功倍。就职于英伟达人工智能应用团队的计算机科学家 Chip Huyen 根据自己多年的教学和工程经验，总结了一份适合按顺序依次学习的机器学习课程清单，具体清单如下文。

2019-08-09

7040

奇点已过？聊聊BERT之后的NLP时代

NLP 服务监督学习大数据机器学习神经网络

本文作者吴金龙，爱因互动技术合伙人，算法负责人。本文转自知乎专栏“智能对话机器人技术”，欢迎大家关注。

2019-06-14

8080

CVPR 2019 论文解读 | 具有高标签利用率的图滤波半监督学习方法

serverless 监督学习

以上解读为李文杰（社区昵称：@月本诚）在 AI研习社CVPR小组原创首发，我已经努力保证解读的观点正确、精准，但本人毕竟才学疏浅，文中若有不足之处欢迎大家批评指正。所有方法的解释权归原始论文作者所有。

2019-05-23

6330

博客 | 机器学习中的数学基础（概论）

机器学习监督学习

1、机器学习的目的：现代人都讲究资源整合，学习应用也是一样，需要将工作中所接触和学习到的技能整合起来形成自己的核心竞争力力，提高自己的不可替代性，而机器学习恰好是当前最热门也最有用的结合之一。

2018-12-27

4760

博客 | Github开源人体姿态识别项目OpenPose中文文档

git 开源 go 卷积神经网络监督学习

人体姿态识别与估计的应用场景：抖音尬舞机、体育动作教学、3D健身教练、3D试衣、绘画辅助、游戏人物动作采集。

2018-12-18

10.3K1

CVPR 2018摘要：第四部分

http 模式识别深度学习监督学习

我们已经分三期关于CVPR 2018（计算机视觉和模式识别）会议：第一部分专门讨论计算机视觉的GAN，第二部分涉及关于识别人类（姿势估计和跟踪）的论文，第三部分涉及合成数据。今天，我们深入探讨最近一直在兴起的深度学习领域的细节：领域适应。对于这个NeuroNugget，我很高兴为您呈现我的共同作者Anastasia Gaydashenko，他已离开Neuromation并继续加入思科...但他的研究继续存在，这就是其中之一。

2018-12-12

4410

如何把时间序列问题转化为监督学习问题？通俗易懂的 Python 教程

监督学习 python 人工智能机器学习

Jason Brownlee 机器学习方法，比如深度学习，是可以用来解决时间序列预测问题的。但在使用机器学习之前，时间序列问题需要被转化为监督学习问题。从仅仅是一个序列，变成成对的输入、输出序列。

2018-03-29

2.5K0

用 Python 分析四年NBA比赛数据，实力最强的球队浮出水面

python 监督学习编程算法

分类作为一种监督学习方法，要求必须事先明确知道各个类别的信息，并且断言所有待分类项都有一个类别与之对应。但是很多时候上述条件得不到满足，尤其是在处理海量数据的时候，如果通过预处理使得数据满足分类算法的要求，则代价非常大，这时候可以考虑使用聚类算法。聚类属于无监督学习，相比于分类，聚类不依赖预定义的类和类标号的训练实例。本文首先介绍聚类的基础——距离与相异度，然后介绍一种常见的聚类算法——k-means 算法，并利用 k-means 算法分析 NBA 近四年球队实力。因为本人比较喜欢观看 NBA 比赛，所以

2018-03-28

1.2K0

最经典的SVM算法在Spark上实现，这里有一份详尽的开发教程（含代码）

监督学习编程算法

支持向量机 SVM(Support Vector Machine) 是一种有监督的学习模型，它的核心有两个：一、核函数 (kernel trick)；二、序列最小优化算法 SMO（Sequential minimal optimization）是 John Platt 在 1996 年发布的用于训练 SVM 的有效算法。本文不打算细化 SVM 支持向量机的详细推倒算法，只涉及以上两点的内容做一个说明，最后给出算法实现和一个实验对比图。核函数核函数在处理复杂数据时效果显著，它的做法是将某一个维度的线性

2018-03-28

7220

Must Know！数据科学家们必须知道的 5 种聚类算法

编程算法机器学习监督学习

聚类是一种关于数据点分组的机器学习技术。给出一组数据点，我们可以使用聚类算法将每个数据点分类到特定的组中。理论上，同一组中的数据点应具有相似的属性或特征，而不同组中的数据点应具有相当不同的属性或特征（即类内差异小，类间差异大）。聚类是一种无监督学习方法，也是一种统计数据分析的常用技术，被广泛应用于众多领域。在数据科学中，我们可以通过聚类算法，查看数据点属于哪些组，并且从这些数据中获得一些有价值的信息。今天，我们一起来看看数据科学家需要了解的 5 种流行聚类算法以及它们的优缺点。一、K 均值聚类 K-

2018-03-28

1.2K0

深度解密换脸应用 Deepfake

监督学习图像处理

Deepfake 就是前一阵很火的换脸 App，从技术的角度而言，这是深度图像生成模型的一次非常成功的应用，这两年虽然涌现出了很多图像生成模型方面的论文，但大都是能算是 Demo，没有多少的实用价值，除非在特定领域（比如医学上），哪怕是英伟达的神作：渐进生成高清人脸 PGGAN（https://arxiv.org/abs/1710.10196 ）好像也是学术意义大于实用价值。其实人们一直都在追求更通用的生成技术，我想 Deepfake 算是一例，就让我们由此出发，看看能否从中获取些灵感。一、基本框架

2018-03-28

3.7K0

深度学习先驱 Yoshua Bengio 解读深度学习的关键突破点：无监督学习

深度学习监督学习人工智能

今天我们为大家带来著名深度学习先驱 Yoshua Bengio，在人工智能在线大会 AI WITH THE BEST（AIWTB）上发表的主题演讲（含视频和PPT），由雷锋网字幕组独家译制。本次演讲的

2018-03-19

7090

一文详解 Word2vec 之 Skip-Gram 模型（结构篇）

这次的分享主要是对Word2Vec模型的两篇英文文档的翻译、理解和整合，这两篇英文文档都是介绍Word2Vec中的Skip-Gram模型。下一篇专栏文章将会用TensorFlow实现基础版Word2Vec的skip-gram模型，所以本篇文章先做一个理论铺垫。原文英文文档请参考链接： - Word2Vec Tutorial - The Skip-Gram Model http://t.cn/Rc5RfJ2 - Word2Vec (Part 1): NLP With Deep Learning with T

2018-03-19

3.1K0

为什么『无监督集成学习』乏人问津？

编程算法监督学习

终于有机会给大家聊聊每天折磨我的主题 - 无监督集成学习(Unsupervised Ensemble)。其实这是个很有意思的领域，但因为各种各样的原因一直都处于萎靡不振的情况。比较尴尬的是，工业界非常需要好的无监督集成算法，但学术界的兴趣更多的还是在那些吸睛的领域上。相信大家都听说过无监督学习(unsupervised learning)，就是使用没有标签的数据进行学习，比较常见的应用有聚类算法如K-means。举个简单的例子，如果给了你经济数据，并给了你今天的股票价格，让你预测未来那就是监督学习。如果只

2018-03-19

1.3K0

没有更多了

社区活动

【纪录片】中国数据库前世今生

穿越半个世纪，探寻中国数据库50年的发展历程

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态