麻省理工学院一位经济学家撰写的新研究表明,改进后的翻译软件可以显著促进在线国际贸易——这是机器学习对经济活动产生明显影响的一个显著案例。研究发现,eBay在2014年改进了自动翻译程序后,可以使用这一新系统的两个国家的贸易额猛增了10.9%。
作者|Qing Feng,Peter 译者|CarolGuo 编辑|Emily AI 前线导读:机器学习在 Uber 改善应用程序的用户体验方面发挥着核心作用。鉴于 Uber 业务的规模和范围,我们经常需要创造性地思考如何设计这些系统。譬如,在开发合作伙伴活动矩阵(Partner Activity Matrix,一种基于总体使用趋势的个性化司机体验的新工具)时,我们从基因组可视化的生物医学技术(基因组双聚类)中找到了灵感。 更多干货内容请关注微信公众号“AI 前线”,(ID:ai-front) 通过使用
作者:仁基,元涵,仁重 本文选自:《尽在双11:阿里巴巴技术演进与超越》 近十年,人工智能在越来越多的领域走进和改变着我们的生活,而在互联网领域,人工智能则得到了更普遍和广泛的应用。作为淘宝平台的基石,搜索也一直在打造适合电商平台的人工智能体系,而每年双11大促都是验证智能化进程的试金石。伴随着一年又一年双11的考验,搜索智能化体系逐渐打造成型,已经成为平台稳定健康发展的核动力。 演进概述 阿里搜索技术体系目前基本形成了offline、nearline、online三层体系,分工协作,保证电商平台
编译 | 刘畅、尚岩奇、林椿眄 审校 | reason_W 2017年末,Facebook应用机器学习组发布最新论文,对整个Facebook的机器学习软硬件架构进行了介绍。纵览全文,我们也可以从中对Facebook各产品的机器学习策略一窥究竟。论文中涉及到机器学习在全球规模(上亿级数据处理)上的全新挑战,并给出了Facebook的应对策略和解决思路,对相关行业和研究极其有意义。 摘要 机器学习在Facebook的众多产品和服务中都有着举足轻重的地位。 本文将详细介绍Facebook在机器学习方面的软硬件
AI 无处不在的时代,每天都有新的技术与研究成果出现。无论学术界还是商界,技术还是产品,AI 的新发现都源源不断,在带给我们全新视角的同时,也引起我们更深的思考。
近期,“产教融合”又被Cue了 教育界的“当红炸子鸡”又有什么新动态? 鹅老师来帮大家划重点 近日,国家发改委、教育部等六部门联合印发了《国家产教融合建设试点实施方案》,明确指出: 探索建立体现产教融合发展导向的教育评价体系,支持高职院校、应用型本科高校、“双一流”建设高校等各类院校积极服务、深度融入区域和产业发展,推进产教融合创新。 同时,还公布了一个激动人心的消息 5年内将分两批试点布局50个产教融合城市 来找一下有没有你的家乡 ▼ 在这些地区中不乏“先进班集体”,如深圳、天津、北京、上海
导语:近年来,图机器学习(Graph Machine Learning,GML)在AI界悄然兴起。在各大AI顶级学术会议中,常常能看见它的身影,相关的学术论文也是层出不穷。例如,在今年4月份举办的学术顶会ICLR 2020中,关于GML的研究论文共提交了150 篇,有约1/3被录用,约占全部被录用论文的 10%——由此可见,GML已成为一个广受关注的研究领域。 7月8日-9日,每天19:00,连续两天的腾讯大数据技术沙龙《Angel图计算》直播专场将于线上举办。活动邀请了北京大学王选研究所教授、腾讯信息安
李根 假装发自 上海 量子位 出品 | 公众号 QbitAI 刚刚在上海,李飞飞正式宣布了一个激动人心的消息。 首先是Google AI中国中心正式成立。 其次,李飞飞这位享誉全球的AI学者、Google Cloud人工智能和机器学习首席科学家,将重返祖国工作,筹建并执掌Google AI中国团队。 这个中心由李飞飞和李佳共同领导。李飞飞将会负责中心的研究工作,也会统筹Google Cloud AI、Google Brain以及中国本土团队的工作。 在回答量子位提问时,李飞飞表示从1月入职Google时就开
微软加速器·北京系统展示了微软加速器创新生态体系的最新成果,并提出以科技创新构建同理心平台,以实现生态参与者的协同共享、横向学习、跨界创新和超级合作。
机器学习是Facebook许多重要产品和服务的核心技术。这篇论文来自Facebook的17位科学家和工程师,向世界介绍了Facebook应用机器学习的软件及硬件架构。 本着“赋予人们建立社区的力量,使世界更紧密地联系在一起”的使命,到2017年12月,Facebook已经将全球超过二十亿人连接在一起。同时,在过去几年里,机器学习在实际问题上的应用正在发生一场革命,这场革命的基石便是机器学习算法创新、大量的模型训练数据和高性能计算机体系结构进展的良性循环。在Facebook,机器学习提供了驱动几乎全部用户服务
机器之心报道 机器之心编辑部 周末不能补课,平时也不能玩游戏。 8 月 30 日,国家新闻出版署发布了《关于进一步严格管理切实防止未成年人沉迷网络游戏的通知》,限制 18 岁以下未成年人每天玩网络游戏时间为一小时,且仅在周五、周六和周日,以及公共假期时间晚 8-9 点上线。 这些限制适用于包括手机在内的任何设备,「网络游戏」的定义,指所有在网络上提供服务的游戏,包括玩家语境中狭义的网游,也包括 PC 单机和主机游戏,覆盖国内过审上线的 WeGame 平台上的 PC 单机游戏、国行主机发行的主机游戏,但暂时
全球人民还没有在ChatGPT带来的惊艳表现中回过神来, GPT-4就发布了,而且展现出了比之前ChatGPT更惊艳的反馈! 就在昨天,百度也重磅发布了自己的知识增强大语言模型“文心一言”! 通用人工智能时代仿佛正在加速朝我们跑来~~ 面对未知的未来 学点AI知识,提前装备一下自己显得非常有必要 你可能说,“我也想要入行AI领域,可是门槛太高了呀!” 确实,一口气吃不成胖子 我们还是要从基础开始学起,慢慢来! 入行AI,还是要先从机器学习基础开始~~ 这里,诚心诚意地向大家推荐 《零基础入门机器学习》这
有没有人跟小编一样, 刚入门机器学习时被折磨的不要不要的! 线性代数、线性优化、统计与概率、微积分、信息论…… 线性回归、Logistic 回归、线性判别分析、朴素贝叶斯、随机森林…… 本以为时代扛把子领域, 学起来应如身临绿洲世界,科技感拉满MAX↑ (图片来源见水印) 可谁成想,面对密密麻麻的数学知识、算法、框架,直接给我干废 在学习机器学习的这条路上 埋头啃书肯定不是最好的方式 书里的内容不一定是最丰富的 牢固掌握还是要结合课堂经验+动手实践 今天我就要推荐一套,非常实用的机器学习入门课程,是
现在开大会,不说点儿 AI 就 out 了,曾有网友开玩笑说,今年 Google I/O 的发布会就是:Google 系列产品+ AI。
机器之心报道 机器之心编辑部 MLPerf 是一项机器学习公开基准,展示了每个参与机构在特定任务上利用自有资源所能达到的最佳性能。该基准于今年 5 月启动,已经得到了来自 30 多个公司的研究者和科
内容来源:2018 年 08 月 05 日,阿里巴巴算法专家唐呈光在“人工智能技术沙龙(杭州站)”进行《小蜜智能对话开发平台》演讲分享。IT 大咖说(微信id:itdakashuo)作为独家视频合作方,经主办方和讲者审阅授权发布。
关于机器人研究,AI 科技评论此前有过诸多报导。在 CCF-GAIR2018 大会期间,雷锋网专设仿生机器人、机器人应用两大专场,诸多国内外知名教授莅临现场进行主题演讲,此外,AI 科技评论也与美国普度大学机械工程学院邓新燕副教授,南京航空航天大学仿生结构与材料防护研究所所长戴振东教授,香港科技大学刘明助理教授就扑翼仿生机器人、壁虎机器人、移动机器人等展开了学术上的深入讨论。
机器之心原创 作者:杜雪 2013 年,DeepMind 在 NIPS 大会上发表的一篇深度强化学习的文章,一举惊艳了学术界。2016 年 1 月,AlphaGo 在一场围棋大赛中击败李世乭吸引全世界的目光,其背后的强大武器正是深度强化学习技术。同年年底,2016NIPS 最佳论文奖也颁给了解决深度强化学习泛化能力较弱问题的论文。 随着深度学习的突破性进展,也促使强化学习的研究前景,重新获得了产业各界的关注。2016 年 8 月,在 ACM(国际计算机学会)会刊一篇名为《强化学习的复兴》的文章中提到,「D
2015年12月10-12日,由中国计算机学会(CCF)主办,CCF大数据专家委员会承办,中国科学院计算技术研究所、北京中科天玑科技有限公司与CSDN共同协办的2015中国大数据技术大会(Big Da
人类社会已经经历了三次工业革命,即蒸汽技术革命、电力技术革命、计算机及信息技术革命。第四次工业革命的大幕正在徐徐拉开。
机器学习作为大数据的前沿无疑是让人生畏的,因为只有技术极客和数据科学领域的专家才能驾驭机器学习算法和技术,对于大部分企业和组织而言,过去这一直都是一个遥不可及的事情。但是现在这种情况正在发生改变,正如标准的API简化了应用程序的开发一样,机器学习API也降低了这一领域的门槛,让越来越多的人和企业能够借助技术底蕴深厚的公司所提供的API试水机器学习。 机器学习API隐藏了创建和部署机器学习模型的复杂性,让开发者能够专注于数据挖掘和用户体验。同时,将机器学习商业化成云服务也是当今的趋势,IBM、Microsof
摘自:InfoQ 原文链接:infoq.com/cn/news/2015/12/5-best-ml-api-to-use 作者:孙镜涛 机器学习作为大数据的前沿无疑是让人生畏的,因为只有技术极客和数据科学领域的专家才能驾驭机器学习算法和技术,对于大部分企业和组织而言,过去这一直都是一个遥不可及的事情。但是现在这种情况正在发生改变,正如标准的API简化了应用程序的开发一样,机器学习API也降低了这一领域的门槛,让越来越多的人和企业能够借助技术底蕴深厚的公司所提供的API试水机器学习。 机器学习API隐藏了创
机器学习是当前领先的 AI 范式,到目前为止取得了非常可观的成就,当前机器学习也是一个非常时髦的话题。 2021 年 12 月火山引擎云产品发布会上正式发布了 AI 全系产品,其中的 AI 开发平台就是全流程、高效率、高性能的机器学习平台。该平台提供从数据准备到模型训练、再到推理整个服务;通过 RDMA 网络直连上万张 GPU 和自研的分布式训练框架,可以将 GPU 的资源利用率加速到 90% 以上,极大提升性能的同时降低了使用成本;提供完善的工具链、全功能在线的 IDE,包括端云协同的开发环境,以及本
过去一周,国际、国内的大数据相关公司都有哪些值得关注的新闻?数据行业都有哪些新观点和新鲜事?DT君为你盘点解读。
在企业的数字化转型中,大数据已成为支撑经营和业绩增长的主要手段之一。通过升级云原生架构,可以为大数据在弹性、多租户、敏捷开发、降本增效、安全合规、容灾和资源调度等方向上带来优势。如何让云原生大数据在企业中发挥最大效用,也是许多技术伙伴关注的事情。 在 3 月 17 日和 18 日,ArchSummit 全球架构师峰会(北京站)即将落地北京,我们策划了【云原生大数据实践】,邀请了字节跳动火山引擎云原生计算技术负责人李亚坤,担任专题出品人。在筛选了十几个议题之后,我们确定了本专题的四场分享,分别如下: 首先,我
AI 科技评论按,就在上个月,波士顿动力在 YouTube 上刷了一波 Atlas 2 的新技能。从视频中可以看到,相比今年五月在跨越障碍时还得停顿片刻,这次 Atlas 2 可以直接奔跑着跨越了。
苹果公开Turi Create框架:推动机器学习。苹果公司本周在开源项目托管平台 GitHub 上分享了 Turi Create 的框架。该框架应该会让开发者更容易构建机器学习模型,苹果表示,这一框架简化了定制机器学习模型的开发,让那些不是机器学习专家的人也可以轻松使用。Turi Create 的设计意图是简单易用,具有视觉界面,灵活和快速。同时,它还可以部署在 iOS、macOS、watchOS 和 tvOS 上面。
重要提醒一 距离申请截止日期只剩最后 1 天 2020年度腾讯犀牛鸟精英人才培养计划申报即将截止,请有意申报的同学注意把控时间,于1月19日14:00前登录申请入口提交申报材料。 申请入口:https://www.withzz.com/project/detail/54(请在PC端填写并提交申请)。 重要提醒二 “已预申报”的同学请注意 “已预申报”的同学请尽快于1月19日14:00前登录系统点击“开始申报”完成申报材料填写及提交,否则将视为未申报该项目。 2020腾讯犀牛鸟精英人才培养计划
重要提醒一 距离申请截止日期只剩 3 天 2020年度腾讯犀牛鸟精英人才培养计划申报即将截止,请有意申报的同学注意把控时间,于1月19日14:00前登录申请入口提交申报材料。 申请入口:https://www.withzz.com/project/detail/54(请在PC端填写并提交申请)。 重要提醒二 “已预申报”的同学请注意 “已预申报”的同学请尽快于1月19日14:00前登录系统点击“开始申报”完成申报材料填写及提交,否则将视为未申报该项目。 2020腾讯犀牛鸟精英人才培养计划 腾讯
导读:如何通过免费方式学习数据科学?数据科学家 Rebecca Vickery 从技术能力、理论和实践经验三个方面入手介绍了自己的经验。
机器之心报道 编辑:泽南、小舟 FSR 将适用于 GTX 10 系列至今以来的所有显卡,是的你没看错,支持英伟达的显卡。 刚刚在台北 ComputeX 展会上,AMD 原本被认为日常走过场的主题演讲却让很多硬件媒体高呼「惊讶」,这家公司发布的新产品和技术成为了人们热议的话题。 今天上午,AMD 宣布了自己对标英伟达 DLSS 的超分辨率技术 FSR。相较竞品,AMD 的技术既不需要买新硬件(无需 AI 加速单元),也不需要品牌站队(英伟达显卡也支持)。 这对于玩家来说是免费的性能提升。AMD 表示,其参与的
在近日GDG举办的“AI 隐私保护:探索跨域数据的安全流动”活动中,VMware中国研发云原生实验室资深研究员、联邦学习开源项目 FATE/KubeFATE代码维护者彭麟,分享了云原生联邦学习平台的题目。 回放链接请戳👇 《联邦学习与云原生联邦学习平台》彭麟 人工智能的三大要素分别是算法、算力和数据,但数据的现状并不理想,存在数据孤岛、数据分布不均的问题。为了解决数据方面的问题,有三种常见的解决方案:生成式对抗网络、迁移学习和联邦学习,此处重点讲解联邦学习。 联邦学习和传统的机器学习相比,传统的机器学习是模
金融科技&大数据产品推荐:蜂巢——数据科学驱动的互联网风控解决方案
AI的介入会进一步升级目前的网络犯罪与网络安全体系,进而成为攻击者与防御者之间军备竞赛的核心支柱之一。
机器学习有助于在可观察性数据中检测不需要的行为,这使您更容易发现应用程序中的性能下降的服务或实例
预料之内的是,Python 并没有完全「吞噬」R 语言的空间,但这项基于 954 个参与者的投票显示,Python 生态系统在今年已经超越了 R 语言,成为了数据分析、数据科学和机器学习的第一大语言。
责编 | 王子彧 出品 | CSDN(ID:CSDNnews) 最近的 AI 圈,真是“热闹得一塌糊涂”: 输入一句话就能生成图像的 Stable Diffusion 火爆数月;这边大家不亦乐乎地和智能语音助手聊天…AI 正在开启新时代——从高深莫测的黑科技,变身为辅助工作、生活不可或缺的重要组成部分。 模型变大,算法繁杂 AI 技术开发平台是关键 如果说,简单的 AI 功能试用是新手,熟练掌握 AI 开发是出师,深入行业应用就是真正的大师了。然而,AI 开发过程中如果没有合适的平台,开发过程就会繁琐,
机器学习是人工智能的核心,旨在创建一个解决类似问题的通用方法。机器学习已经被整合到我们经常在日常生活中使用应用中,比如iPhone的Siri。本文是一个包含了如何在移动应用中使用机器学习的指南。 机器学习的工作原理 机器学习是基于人工神经网络的实现,人工神经网络在我们日常生活中的APP(比方说语音助手)和系统软件中都被广泛使用。它们可以进行诊断测试、探索生物学与合成材料。而人工神经网络相当于人类的神经元和中枢神经系统。这可能有点难以理解,所以我们来看看人脑是如何进行记忆和识别的。 与计算机不同,人脑更加强大
字节跳动实现建设全球创作与交流平台的愿景,以及取得当前全球化进展,都离不开人工智能技术提供的关键支撑。字节跳动一向重视人工智能技术的发展,而其AI Lab,最开始是因NLP领域科学家李磊的加入而出名,随后马维英、李航等大佬也陆续入伙。
2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开已进入第二天的议程,活动现场依旧火爆。
本文整理了2022年1月1日至3月31期间的21项AI药物研发领域的合作活动 (不完全统计,未公开的合作不包含在内)。
大家可能对louwill这个名字并不陌生。他是深度学习算法工程师,主要从事医疗数据分析、医学图像处理和深度学习应用相关研究与工作。他在公众号“机器学习实验室”发表的“数学推导+纯Python实现机器学习算法”等系列文章,获得了 4 万读者的广泛关注和好评。如今这些文章终于以书籍的形式正式出版了!那让我们走近 louwill 老师,了解一下他和这本书的故事吧! 大家好!我是 louwill。 经过一年零三个月的努力,《机器学习:公式推导与代码实现》已于日前正式出版了。关注过这本书的公众号读者应该知道,这本书
一家名为GOAT的潮鞋交易平台正尝试用机器学习,从七张照片中识别出一双鞋子是否是真的。
有很多途径来学习机器学习。有丰富的资源:有书籍,有课程可以参与,可以参加比赛,有大量供你使用的工具。在这篇文章中,我想围绕这些活动提出一些你机器学习之旅大致会有的阶段并在你程序员通往到机器学习大师之路上给出一个大概的顺序,以及在各个层次上有哪些可供你利用的资源
你有许多方法和资源来学习机器学习:阅读书籍、学习课程、参加比赛和各种可用的工具。在这篇文章中,我想使这些活动更为体系化,并列出一个大致的顺序,以说明在普通程序员到机器学习高手的过程中所要着手什么。
导读:目前,我们所了解到的信息是:世界上每年有 120 万人死于车祸,自动驾驶汽车(AVs)在这样的背景之下应运而生。科技在明年将会发生巨大的改变。想要了解前沿资讯吗?著名设计公司 frog 做出的这
作者 | David Kelnar 编译团队 | Aileen 任杰 沈爱群 徐凌霄 科技中每一次的典范转移(Paradigm shift,用于描述基本理论中从根本假设或法则上进行的改变),都会推动企业改革进而重新规划生产,并随之激起创新浪潮。 今天我们处于全球人工智能(AI)革命的早期阶段。 机器学习算法的结果随着经验的提高,使我们能够在大数据集中找到模式,并更有效地对人员,设备,系统和过程进行预测。但是英国人工智能创业的动向是什么? 我们已经绘制了226个英国独立的、早期的AI软件公司版图,并在最近几
本报告介绍了由 JetBrains 进行的第四次年度开发商生态系统调查的合并结果。到 2020 年初,他们对 19696 名开发人员进行了调查,这些反馈帮助 JetBrains 确定了有关工具,技术,编程语言以及开发世界许多其他令人兴奋方面的最新趋势。
来源:research.fb.com 作者:Kim Hazelwood et al. 编译:刘小芹 【新智元导读】近日 Facebook 研究团队公开一篇 HPCA 2018 论文,作者包括 Caffe 作者贾扬清等人,深度揭示了 Facebook 内部支持机器学习的硬件和软件基础架构。Facebook 的几乎所有的服务都广泛应用机器学习,其中计算机视觉只占资源需求的一小部分。此外,Facebook 依赖多种机器学习方法,包括但不限于神经网络。硬件方面,用CPU 做推理,CPU 和 GPU都用于训练,并且进
这里分享下大佬(目前就职于大疆创新)的研究生期间的成长路线。虽然说没有适合每个人的方法,因为每个人的特点和所处的环境都不一样,但有个参考总是好的,所以我在这悄悄把自己研究生三年的经历写一下,前面可能会写的详细一点,希望能对这些同学有所帮助。
领取专属 10元无门槛券
手把手带您无忧上云