首页
学习
活动
专区
工具
TVP
发布

机器之心

专栏成员
9145
文章
6888518
阅读量
281
订阅数
受8位合著者举报,引爆物理圈的室温超导论文被Nature撤稿,一作正接受调查
11 月 7 日,《Nature》杂志宣布,撤回今年 3 月 Ranga Dias 团队发表的室温超导论文。
机器之心
2023-11-08
2030
在re:Invent 2022大会上,我们看到了云计算的未来
AI 圈里很多人都听说过开源 AI 作画扩散模型 Stable Diffusion,见识过 AI 图片横扫朋友圈。最近大模型兴起除了造梗图之外,应用前景也在逐渐清晰,AIGC(人工智能生成内容)成为了众多科技公司正在尝试的领域。
机器之心
2022-12-16
5470
覆盖四种场景、包含正负向反馈,腾讯、西湖大学等发布推荐系统公开数据集Tenrec
近些年来,通过各种内容平台浏览视频或者是阅读文章的用户越来越多,而现有的推荐算法有时难以很好地建模用户的偏好,因此需要更准确的推荐系统模型。但已知的推荐系统(RS)的基准数据集要么是小规模的,要么是用户反馈形式非常有限。在这些数据集上评估的推荐系统模型往往缺乏实用性,难以为大规模真实场景应用提供足够的价值。
机器之心
2022-12-16
9170
开源引擎GTS乾坤鼎:自动生产模型拿下FewCLUE榜单冠军
在自然语言处理(NLP)领域,基于 Transformer 结构的预训练语言模型展示出了强大的语言理解能力,在各类 NLP 任务上都取得了巨大突破。
机器之心
2022-12-16
5760
守护工业互联网安全,可信隐私计算风起
机器之心发布 机器之心编辑部 工业互联网的发展带来了庞大体量的数据,且增速非常快,对数据安全有强诉求,包括工业互联网在内的整个数据流通领域,都会告别数据明文时代,开启数据密态时代新征程。 数据正成为新时代的石油。但与数据石油并存的还有采集、共享与流通障碍制造的孤岛与各种风险。 2021 年 9 月 1 日,历经三次审议,《数据安全法》正式实施。多部有关数据安全法律法规,凸显出数据领域合规发展的需求,也将原本小众的隐私计算推到更多人的面前。 所谓隐私计算,是指在保证数据提供方不泄露原始数据的前提下,对数据
机器之心
2022-03-31
5160
3DAT助力冬奥开幕式及赛前训练:这究竟是什么「神秘黑科技」?
机器之心报道 作者:蛋酱 北京冬奥虽已收官,但有一幕却让冰雪运动的爱好者们久久难忘,那就是 2 月 12 日晚,中国队凭借 34 秒 32 的成绩获得北京冬奥会速度滑冰男子 500 米比赛金牌,并刷新了该项目奥运纪录的那一幕。 这枚金牌得来不易,破纪录成绩的背后,是中国运动员们无数个日日夜夜挥洒在冰场的汗水。 世界级比赛中,前几名选手的差距往往只在毫秒之间。在奥运赛场上,运动员的每一次蹬冰、每一次摆臂,都是对速度与精确的全力追求。 这是属于中国的速度,从另一方面说,这也是属于科技进步的速度。 如果想要不
机器之心
2022-03-25
5070
详解AI加速器(三):架构基础离不开ISA、可重构处理器……
在这一章节中,Adi Fuchs 为我们介绍了 AI 加速器的架构基础,包括指令集架构 ISA、特定领域的 ISA、超长指令字 (VLIW) 架构、脉动阵列、可重构处理器、数据流操作、内存处理。
机器之心
2022-02-24
6100
结构化数据,最熟悉的陌生人
而本文着重提及的结构化数据则是指数据点之间具有清晰的、可定义的关系,并包含一个预定义的模型的数据(如图 1 所示)。看起来结构化数据应该更容易处理,而基于机器学习的特性(特征提取),大家更多的注意力集中在了对文本这类非结构化数据的处理,好像对于结构化数据的处理过去都不怎么热门。但是随着机器学习的发展,过去传统的结构化数据分析方法已经不能满足我们的需求了,而且这些结构化数据其实都是质量很高的数据,如何在神经网络中利用这些数据也是很重要的任务。
机器之心
2020-12-17
6650
存算一体新进展:EPFL革命性芯片体系架构登上Nature
在这篇论文中,瑞士洛桑联邦理工学院(EPFL)纳米电子与结构实验室的研究者表示,他们研发出了一种新的计算机芯片,可以将逻辑运算和数据存储放到一个架构里。这种电路体积更小、速度更快也更加节能。
机器之心
2020-11-13
5060
图灵奖得主论体系结构创新,自动构建知识图谱,打造新一代Kaldi,尽在2020 WAIC·开发者日
WAIC 世界人工智能大会云端峰会已于近日在上海落幕。在机器之心承办的 2020 WAIC· 开发者日上,图灵奖得主 David Patterson 和 Joseph Sifakis、明略科技首席科学家吴信东、悉尼大学教授陶大程、中国建设银行总行金融科技部总工程师胡宪忠、百度集团副总裁吴甜、Kaldi 之父 Daniel Povey、多伦多大学助理教授 David Duvenaud,以及 Julia 语言创始人 Viral Shah 做了精彩演讲。
机器之心
2020-07-14
8660
从新冠肺炎可视化说起,数据展示如何简约但不简单
过去的十数年间,公共卫生事件如 SARS、甲型流感、禽流感等严重威胁人民的生命安全,无不对社会造成深远影响。而 19 年底从武汉开始爆发的新型冠状病毒疫情,在三个月时间内扩散范围已包括在亚洲、欧洲、北美洲和大洋洲的二十多个国家,逾六万患者,数字仍在持续攀升中。
机器之心
2020-02-27
1.1K0
英伟达DALI加速技巧:让数据预处理速度比原生PyTorch快4倍
深度学习的加速上,除了对训练和推理过程的加速之外,还有对数据加载和预处理阶段的加速。这一阶段也尤为关键,因为数据处理 pipeline 的处理速度也影响着整体的流程效率。
机器之心
2020-02-24
1.4K0
数据处理遇到麻烦不要慌,5个优雅的Numpy函数助你走出困境
Numpy 允许我们根据给定的新形状重塑矩阵,新形状应该和原形状兼容。有意思的是,我们可以将新形状中的一个参数赋值为-1。这仅仅表明它是一个未知的维度,我们希望 Numpy 来算出这个未知的维度应该是多少:Numpy 将通过查看数组的长度和剩余维度来确保它满足上述标准。让我们来看以下例子:
机器之心
2019-11-11
6060
Texar-PyTorch:在PyTorch中集成TensorFlow的最佳特性
Texar-PyTorch 对各类不同的机器学习任务有着广泛的支持,尤其是自然语言处理(NLP)和文本生成任务。
机器之心
2019-11-04
7700
AI当自强:独家揭秘旷视自研人工智能算法平台Brain++
如果说算法模型是果实,那么开发它的环境和框架就是培育果树的土壤。尽管平时在开发中,框架和底层环境没有那么引人瞩目,但没有这些底层技术的支持,优秀的思路和创意也就无从实现。当前,深度学习社区基本上被 TensorFlow 和 PyTorch 两大框架垄断。开源框架固然具有很高的人气和易用性,但是在国际环境变幻莫测的大背景下,是否依赖这些框架就足够保险呢?同时,如果企业有新的想法和业务需求,开源框架能否完美实现?是否能够无缝嵌入业务之中?这些都是 AI 企业需要思考的问题。
机器之心
2019-10-23
8750
数据太多、太乱、太杂?你需要这样一套数据治理流程
最近,明略科技与合肥工业大学的研究者在中文核心期刊《软件学报》上发表了一篇关于数据治理的论文。它介绍了数据治理的概念,并对数据清洗、交换和集成等进行具体分析,从而提出了一种新型大数据治理框架「HAO 治理」模型。
机器之心
2019-09-26
6200
RecSys提前看 | 深度学习在推荐系统中的最新应用
2019 年 9 月 16 日至 20 日,第 13 届 ACM Conference on Recommender System(RecSys)在丹麦哥本哈根召开。作为推荐系统的顶会,RecSys 一如既往受到了业界的广泛关注。与其他机器学习会议相比,RecSys 一向重视解决实际的问题,即结合在实际应用场景中推荐系统性能提升、效果提高等问题提出设计策略和算法解决方案等。随着深度学习研究的进一步深入,深度学习在推荐系统中的应用依然是研究热点之一,本次会议中图神经网络(Graph Neural Network,GNN)、经典深度学习模型都有所应用及改进。本文从中选取三篇,进行针对性的分析:
机器之心
2019-09-17
1.5K0
工程设计+算法规模化真的是AI突破吗?DeepMind唇读系统ICLR遭拒
这种情况不禁让人想起 2016 年引起热议的 LipNet 论文(牛津大学人工智能实验室、谷歌 DeepMind 和加拿大高等研究院 (CIFAR) 合作的研究),这篇论文同样与 ICLR 2017 失之交臂。此外,这两篇论文有三位共同作者 Brendan Shillingford、Yannis Assael 和 Nando de Freitas,两篇论文的一作都是 Brendan Shillingford 和 Yannis Assael,两篇论文的主题都是唇读。
机器之心
2019-01-02
5290
Julia 1.0 正式发布,这是新出炉的一份简单中文教程
文章地址:https://zhuanlan.zhihu.com/p/41802723
机器之心
2018-08-21
5K0
想入门设计卷积神经网络?这是一份综合设计指南
作者:George Seif 机器之心编译 参与:Nurhachu Null、刘晓坤 这篇文章可以作为一个设计指南,为特定分类任务的 CNN 设计提供指导。作者围绕准确率、速度、内存消耗三个指标的权衡,从网络类型、架构设计、数据处理和迁移学习等方面介绍了 CNN 设计过程中使用的方法。 你想开始做图像分类,但是无从着手。应该使用哪个预训练网络?如何修改网络以使其满足需求?你的网络应该包含 20 层还是 100 层?哪些是最快的、最准确的?这些是你为图像分类选择最好的 CNN 时会遇到的众多问题。 当选择
机器之心
2018-06-12
3510
点击加载更多
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
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档