作者:丁一帆 https://www.zhihu.com/question/310387269/answer/926638382
9月18日,历时一个通宵,两个白天,60多G的数据终于分发到上百台计算机。200多平米的实验室空荡荡,只能听见计算机运行的声音。此时数天后,这里将坐满学生,键盘声此起彼伏。
机器之心原创 作者:景和 作为商业公司的百度正在积极推动开源文化。百度 COO 陆奇曾在内部讲话中表示,开源代码写得好,不仅能解决大家的痛点,开源的代码也会变得越来越强,开源代码的生命力也必然会超过封闭体系的代码。而百度的深度学习平台 PaddlePaddle 开源后,来自北京工业大学的 4 位学生利用其深度学习模型,制造了一台智能桃子分拣机。 2017 年夏天,果农刘连全的大桃有了别样的用途,为智能桃子分拣机提供了 6400 张照片。 北京工业大学的 4 位学生利用百度 PaddlePaddle 开源平台
历时一个通宵,两个白天,60多G的数据终于分发到上百台计算机。200多平米的实验室空荡荡,只能听见计算机运行的声音。数天后,这里将坐满学生,键盘声此起彼伏。
如今,深度学习在众多领域都有一席之地,尤其是在计算机视觉领域。尽管许多人都为之深深着迷,然而,深网就相当于一个黑盒子,我们大多数人,甚至是该领域接受过培训的科学家,都不知道它们究竟是如何运作的。
当地时间 10 月 11 日,UC 伯克利电气工程与计算机科学系(EECS)助理教授 Sergey Levine 在推特上宣布,他讲授的 CS285 深度强化学习(RL)课程已经放出了部分视频,并表示之后每周会实时更新后续课程。
安妮 问耕 发自 凹非寺 量子位 报道 | 公众号 QbitAI 又是一场激战。清华又赢了。 刚刚落幕的2017国际超算大会(ISC17)期间,清华大学摘得ISC世界大学生超级计算机竞赛(SCC)总决
【新智元导读】共享单车有了,共享GPU还会远吗?最近有人发起了一个项目,从挖掘加密货币的矿工那里租借GPU,借给AI研究人训练神经网络。矿工能够得到双倍乃至三倍于挖矿所挣的钱,而AI研究人员则有了更便宜、更快速的GPU——比亚马逊AWS虚拟机快5倍,价格仅仅是1/5。 不知道你有没有遇到类似的问题。 作为一个穷困潦倒、在学习深度学习和人工智能的学生,你的项目需要大量GPU来训练神经网络。但很不幸,亚马逊AWS和谷歌云平台的GPU虚拟机太贵(即使有学生优惠,Credit也基本3天就用完了),用以前新智元介绍过
记者|白羽 国外最近的一则新闻把深度学习再次提到了风口浪尖。 文章标题“熟悉深度学习,已成为取代精通Excel,成为简历的新亮点”,着实刺激了好一轮转发。 其实,单就找工作来说,这样的亮点,正在成为一部分人群的必备条件。 圈里的必备技能 “现在算法工程师出去面试,要是说自己不懂深度学习,面试官估计基本就跟你没啥可聊的了。深度学习这项技能已经变得很普遍了,没有这个背景,别人都会觉得你很low。”郭新说到。 目前他在一个科技公司做算法工程师,主攻深度学习NLP(自然语言处理)应用方向。 在此之前,他算是半个开
在深度学习领域,我们可以检索到各种各样的入门课程,但真正能让人「入门」的可能没有几个。
📷 文 | 胡永波 7 月 22 - 23 日,由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办,CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会(CCAI 2017)将在杭州国际会议中心盛大开幕。 作为大会主席,中国香港科技大学计算机与工程系主任、AAAI Fellow 杨强教授最近接受了大会记者专访。这次访谈干货满满,其中有不少话题是杨强教授首度公开谈及,比如下一个 AI 突破口、深度学习泡沫、AI 之路心得、本科生入门 AI、好学生要能教导师学习,等等。 访谈期间,杨强
目前AI行业的薪资普遍较高。这也是大部分人想转AI的原因。 以互联网行业的平均薪资来说,两个学历和工作年限一样的开发者,AI开发的会比移动端开发高20%左右。 若以应届毕业来说,现在深圳的算法岗位博士月薪在3W左右浮动。 可以说很多人是冲着这一点去学习AI的。 而且就技术前瞻性来说的话,在未来10年内,掌握AI技术的相关人才会更吃香。很多大公司也开始在储备这方面的人才。
文 | 胡永波 7 月 22 - 23 日,由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办,CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会(CCAI 2017)将在杭州国际会议中心盛大开幕。 作为大会主席,香港科技大学计算机与工程系主任、AAAI Fellow 杨强教授最近接受了大会记者专访。这次访谈干货满满,其中有不少话题是杨强教授首度公开谈及,比如下一个 AI 突破口、深度学习泡沫、AI 之路心得、本科生入门 AI、好学生要能教导师学习,等等。 访谈期间,杨强教授特地回顾了去年 8
以深度神经网络为代表的“深度学习”系统越来越多地在各种AI任务中大显神威,包括语言理解、语音和图像识别、机器翻译、规划、甚至游戏和自动驾驶。因此,掌握深度学习方面的专业知识已经逐渐从高深莫测转变为现在许多高级学术问题中必须掌握的背景知识,并且深度学习人才在就业市场中也有很大的优势。
选自Windows On Theory 作者:Boaz Barak 机器之心编译 编辑:rome rome 深度学习和简单的统计学是一回事吗?很多人可能都有这个疑问,毕竟二者连术语都有很多相似的地方。在这篇文章中,理论计算机科学家、哈佛大学知名教授 Boaz Barak 详细比较了深度学习与经典统计学的差异,认为“如果纯粹从统计学角度认识深度学习,就会忽略其成功的关键因素”。 图源:https://twitter.com/YiMaTweets/status/1553913464183091200 深度学习
为深化和推进高校学生在云计算领域的学习,腾讯云计算联合腾讯高校合作、腾讯优图实验室发起「云+校园」腾讯云计算高校分享会系列活动,旨在通过业界经验分享与产品实践体验,帮助高校学生了解云计算与提升动手实践能力。同时,腾讯云计算还将进一步加强针对高校师生的高性能算力支持,并持续投入优质云计算学习资源赋能课程建设与人才培养。 钟灵水木地,毓秀清华园。5月17日,「云+校园」腾讯云计算高校分享会首站来到清华学府,走进软件学院深度学习课堂。来自腾讯优图实验室的专家为近百位研究生和本科生介绍了深度学习推理框架 TN
英特尔和南大的携手,既能够带来最先进学术研究服务产业,也可以让学生了解到最新的硬件和技术发展。
来源:机器之心 本文约7000字,建议阅读10+分钟 本文会解释为什么深度学习的基础其实不同于统计学,甚至不同于经典的机器学习。 深度学习和简单的统计学是一回事吗?很多人可能都有这个疑问,毕竟二者连术语都有很多相似的地方。在这篇文章中,理论计算机科学家、哈佛大学知名教授 Boaz Barak 详细比较了深度学习与经典统计学的差异,认为“如果纯粹从统计学角度认识深度学习,就会忽略其成功的关键因素”。 图源:https://twitter.com/YiMaTweets/status/155391346418
每天给你送来NLP技术干货! ---- ©作者 | Boaz Barak 来源 | 机器之心编译 排版 | PaperWeekly 深度学习和简单的统计学是一回事吗?很多人可能都有这个疑问,毕竟二者连术语都有很多相似的地方。在这篇文章中,理论计算机科学家、哈佛大学知名教授 Boaz Barak 详细比较了深度学习与经典统计学的差异,认为“如果纯粹从统计学角度认识深度学习,就会忽略其成功的关键因素”。 图源:https://twitter.com/YiMaTweets/status/15539134641
向AI转型的程序员都关注了这个号👇👇👇 机器学习AI算法工程 公众号:datayx 项目简介 本项目基于PaddlePaddle和EasyDL平台,以教务处和学工为一级用户,高校教师为二级用户,针对提升整体课堂教学质量为目的开发的一款实时课堂监测系统。 本项目主要监测课堂的出勤人数、学生的上课状态、教师的语速、情感,以及语言的用词方面。项目中语音的模型均采用EasyDL平台进行训练,调用在线API进行预测分析。而图像模型由于在线API无法达到实时性的要求,采用本地训练Paddle模型库中的模型并使用。
自然语言处理(NLP)或者计算语言学是信息时代最重要的技术之一。从网络搜索、广告、电子邮件到客户服务、语言翻译、虚拟代理、医疗报告等,NLP 的应用几乎无处不在。近年来,深度学习(或神经网络)在许多 NLP 任务上达到了非常高的性能,使用单个端到端神经模型就能完成许多任务,不再需要特定于任务的特征工程。
深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。
深度学习作为AI时代的核心技术,已经被应用于众多场景。在系统设计层面,由于它具有计算密集的特性,所以与传统的机器学习算法在工程实践过程中存在诸多的不同。本文将介绍美团平台在应用深度学习技术的过程中,相关系统设计的一些经验。
机器之心原创 作者:亚铁 杜克大学副教务长 Lawrence Carin 教授 Lawrence Carin 教授是杜克大学分管科研的副教务长,他于 1985 年、1986 年和 1989 年获得马里
导读:大数据、人工智能是目前大家谈论比较多的话题,它们的应用也越来越广泛、与我们的生活关系也越来越密切,影响也越来越深远,其中很多已进入寻常百姓家,如无人机、网约车、自动导航、智能家电、电商推荐、人机对话机器人等等。
来源:AI科技评论本文约7600字,建议阅读15分钟本文介绍了深度学习或机器学习中的概念归纳为统计学中的词义,也引起了大多数人对深度学习本质的认知偏差:即深度学习是“简单的统计”。 上世纪九十年代,斯坦福大学的知名生物信息学教授 Rob Tibshirani 曾拟了一个词汇表,将机器学习与统计学中的不同概念作了简单而粗暴的对应关系: 一方面,这个表格为理解机器学习提供了基础的认识,但同时,其简单地将深度学习或机器学习中的概念归纳为统计学中的词义,也引起了大多数人对深度学习本质的认知偏差:即深度学习是“简
4月23日上午9点30分至11:30 ,来自上海大学、上海交通大学、清华大学、河北师范大学、中国海洋大学等高校50位师生,通过视频会议+ 远程访问的方式参加NVIDIA举办的全栈式深度学习开发体验课程。他们在NVIDIA企业开发者社区经理何琨和李奕澎的指导下,一对一远程访问NVIDIA Jetson Xavier NX计算节点,进行实际AI开发操作。本次远程深度学习实践活动也是NX GPU计算体验平台的首次开放。该平台共有50个节点。每台计算节点可以提供高达21TOPS 深度学习计算能力,可利用 NVIDI
AI 研习社获得官方授权,汉化翻译CMU 2018 秋季《深度学习导论》课程,9月27日正式上线中文字幕版。
本文作者阿萨姆,整理自作者在问题《深度学习的教学和课程,与传统 CS 的教学和课程有什么区别?》下的回答, AI 研习社获其授权发布。 深度学习的课程和传统计算机课程有很大的不同,也可以说 “独树一帜”,其独特性主要来自于: 1. 前置课程多 2. 缺乏完整的理论体系 3. 繁多的调参技巧 4. 知识迭代速度快 5. 交叉领域应用能力强。 以几门传统的计算机课程 (数据结构和算法、数据库、操作系统) 为参照对象,我觉得深度学习课程设置有以下不同: 1. 前置课程要求较多,需要较广的基础知识 一
在人工智能科学的先锋领域,尤其是深度学习与决策智能的探索中,文青松博士凭借其在学术研究与实际应用方面的卓越贡献,已然成为业界领军人物。在最近举行的国际深度学习研究顶会 ICLR 上,文青松博士作为松鼠 Ai 首席科学家及 AI 研究院负责人,其提交的七篇论文成功获选收录,这一成就不仅充分展示了他在深度学习领域的深厚造诣,也体现了松鼠 Ai 在人工智能领域持续创新的不凡实力。
作者|Boaz Barak 编译|黄楠 编辑|陈彩娴 上世纪九十年代,斯坦福大学的知名生物信息学教授 Rob Tibshirani 曾拟了一个词汇表,将机器学习与统计学中的不同概念作了简单而粗暴的对应关系: 一方面,这个表格为理解机器学习提供了基础的认识,但同时,其简单地将深度学习或机器学习中的概念归纳为统计学中的词义,也引起了大多数人对深度学习本质的认知偏差:即深度学习是“简单的统计”。 然而,在深入探讨中,这样的认知在一定程度上阻碍了研究者理解深度学习成功的本质原因。在今年六月的一篇文章“The un
大数据文摘授权转载自AI科技评论 作者|Boaz Barak 编译|黄楠 编辑|陈彩娴 上世纪九十年代,斯坦福大学的知名生物信息学教授 Rob Tibshirani 曾拟了一个词汇表,将机器学习与统计学中的不同概念作了简单而粗暴的对应关系: 一方面,这个表格为理解机器学习提供了基础的认识,但同时,其简单地将深度学习或机器学习中的概念归纳为统计学中的词义,也引起了大多数人对深度学习本质的认知偏差:即深度学习是“简单的统计”。 然而,在深入探讨中,这样的认知在一定程度上阻碍了研究者理解深度学习成功的本质原因。
深度学习的课程和传统计算机课程有很大的不同,也可以说 “独树一帜”,其独特性主要来自于: 1. 前置课程多 2. 缺乏完整的理论体系 3. 繁多的调参技巧 4. 知识迭代速度快 5. 交叉领域应用能力强。 以几门传统的计算机课程 (数据结构和算法、数据库、操作系统) 为参照对象,我觉得深度学习课程设置有以下不同: 1. 前置课程要求较多,需要较广的基础知识 一般我们把深度学习 / 机器学习的课程安排在大三以后,而研讨课 (seminar) 一般安排在研究生博士阶段,这与大部分传统计算机课程不同。这是因为深度
李林 允中 编译整理 量子位 出品 | 公众号 QbitAI 刚刚,吴恩达如期发布了自己的新动向。 今年3月,吴恩达从百度首席科技学家人上离职后,关于他新动向的猜测和关注就一直没有停歇。直到前不久,他
雷锋网 AI 科技评论按:自然语言处理是一个高度跨学科的领域,包含了语言学、计算机科学、统计学等等许多传统学科的内容。在课堂中,自然语言处理的教师者们要根据课程长度、学生的水平、领域近期发展、课程目标甚至教师的个人兴趣选在涵盖哪些内容。形成的结果就是,同样是针对自然语言处理的课程,不同老师在不同学校教授的课程可能会完全不一样。
大数据文摘作品 编译:新知之路、党晓芊、吴双、Aileen 随着英伟达Titan V的发布,我们迈入了深度学习硬件发展的动荡期。NVIDIA能否在2018年保住深度学习硬件首要供应商的地位还未可知,AMD和Intel Nervana都仍有机会。 所以对于想买硬件的消费者,最精明的选择就是等上3至9个月,到这种不确定的状态过去之后再决定。 深度学习芯片领域的竞争从未停止过。 NVIDIA决定在竞争初现端倪之前,先将自己的垄断地位变现。通过这种方式,他们希望在未来1-2年内确保行业领先,所以他们的Titan V
AI 科技评论按:自然语言处理是一个高度跨学科的领域,包含了语言学、计算机科学、统计学等等许多传统学科的内容。在课堂中,自然语言处理的教师者们要根据课程长度、学生的水平、领域近期发展、课程目标甚至教师的个人兴趣选在涵盖哪些内容。形成的结果就是,同样是针对自然语言处理的课程,不同老师在不同学校教授的课程可能会完全不一样。
翻译 | AI科技大本营 校对 | 成龙 编辑 | 明明 Intel于近期发布了三门AI系列的免费课程,分别是关于机器学习基础、深度学习基础、TensorFlow基础三个方面。据悉,该系列免费课程主要针对研究生阶段的学生,营长将三门课程概要及链接整理如下。 ▌课程1:机器学习基础 概要 本课程介绍了Intel架构中的机器学习基础知识。涵盖的主题包括: 回顾了机器学习可以解决的问题类型 理解机器学习算法中的各组成模块 学习在机器学习中构建模型的基础知识 探索关键算法 在本课程结束时,学生将了解以下内容
大数据文摘作品 作者:Mickey 今年,吴恩达的深度学习课程就上线整整十周年了。 十年来,这门课程成为了无数AI人的入门课程,全球有超过60万人注册过这门课,这也让吴恩达成为了“全民AI老师”。 这门深度系列的课程面向希望入行深度学习的从业者,要求学生有一定的数学基础以及统计学知识储备,虽然课程有趣简单好上手,但随着时间推进,这门课程并不能满足所有人的需求。 特别是在课程语言的设计上,由于课程设计编写时日已久,大部分的内容使用的仍然是Matlab/Octave语言。十年来,编程世界日新月异,更新更简单
课堂是学生学习的主要场所,课堂学习是学生获取知识、培养能力、提高素质的主要渠道。系统科学的课堂考勤是保证各项教学计划有效落实和顺利执行的重要条件。有效的课堂考勤是创造良好学习氛围,形成良好班风、学风及增强学生的组织性和纪律性的必要条件,同时也是保证学校教学秩序的稳定、提高教学质量的重要措施。
当前,随着全球新一轮科技革命和产业变革加速,人工智能成为国家重要战略,但人才紧缺、学校课程设置与产业需求脱节等人才培养痛点日益突出。在此背景下,如何去完善人才培养体系,解决教材教学与产业脱节的问题,已经受到了业界的极大关注。 12月19日,腾讯教育2019年人工智能专业建设研讨会在深圳召开。来自全国人工智能各领域的专家,围绕腾实学院与深圳信息职业技术学院合作编写的《图说图解人工智能》、《机器学习应用》、《人工智能之深度学习开发与应用》等面向职业教育的人工智能系列教材,以及衍生的课程设置、教学方式等内
近日,斯坦福大学官网公布了2019年度冬季cs224n课程:基于深度学习的自然语言处理的课程安排。本课程主讲人为斯坦福大学人工智能实验室主任,著名计算机科学家Christopher Manning教授。
深度学习的课程和传统计算机课程有很大的不同,也可以说“独树一帜”,其独特性主要来自于:1. 前置课程多 2. 缺乏完整的理论体系 3. 繁多的调参技巧 4. 知识迭代速度快 5. 交叉领域应用能力强。
【导读】大家好,我是泳鱼。知识蒸馏用大白话说就是将一个大神经网络模型的知识转移到另外一个小模型上面,得到一个“小而美”的模型。本文就近些年来知识蒸馏的主要研究成果进行梳理并加以总结,分析该领域所面临的挑战,详细阐述知识蒸馏的学习框架,从多种分类角度对知识蒸馏的相关工作进行对比和分析,文末附相关论文下载。
李杉 编译自 NVIDIA官网 量子位 出品 | 公众号 QbitAI 📷 今天,英伟达宣布大幅扩大深度学习学院(DLI)的规模,希望为成千上万的学生、开发者和数据科学家提供培训,帮助他们掌握应用人工智能的关键技能。 此次扩张计划包括: 与Booz Allen Hamilton和deplearning.ai建立新的合作关系,为数千名学生、开发者和政府专家提供人工智能培训。 创立新“大学大使项目”,让世界各地的指导员可以向学生传授关键的职业技巧和人工智能的实践应用,而且完全免费。 开设新课程
大数据文摘编辑组出品 在人工智能领域,深度学习的重要性不言而喻。各大高校纷纷推出具有自己特色的课程,斯坦福大学也不例外。 在deeplearning.ai深度学习专项课程之后,吴恩达在斯坦福又开了一门学分课,这门课涉及到深度学习的基础知识、神经网络构建,以及如何完成一个成功的机器学习项目。具体将涉及卷积网络,RNNs,LSTM,Adam,Dropout,BatchNorm,Xavier / He初始化等,还提供医疗,自动驾驶,手语阅读,音乐创作和自然语言处理等多领域的案例研究。 学习这门课程,不但要去掌握
AI 正在改变世界,斯坦福大学处于这一趋势的最前沿。多年来,斯坦福已经涌现出许多 AI 方面的重大研究突破,斯坦福研究者也是 AI 领域的开拓者。
前不久结束的第三届CCAI大会,日本人工智能和机器学习领域的新一代领军人物杉山将(Masashi Sugiyama)为我们带来了一场关于弱监督机器学习的精彩演讲,这是机器学习领域少有的来自日本的声音。 作为日本理化学研究所先进智能研究中心主任,杉山将是这个领域最知名的学者之一。他在机器学习领域发表过很多重要的理论,他写的那本《图解机器学习》很早就被翻译成中文。 为了给到读者更多信息,AI科技大本营独家约采了杉山将,就弱监督学习的很多细节及其实现,以及他本人最新的研究方向和成果等进行专访,杉山将
本期由知名医疗影像专家AAAS, IEEE 和美国发明院 (https://news.rpi.edu/content/2019/12/03/ge-wang-named-fellow-national-academy-inventors) Fellow, Ge Wang教授谈论他对医疗影像教学的看法,原文是英文,本文由zxz编译,预计阅读时间10分钟。王老师的其它文章也很有趣(Fellow建议!教授这个职业好吗?,人工智能始发力,医学影像更清晰),欢迎一并阅读。
后台回复 VMware 可以获得word版 虽然说这个挺简单的,但是刚开始接触,还是会走弯路,遇到问题还是不知道怎么解决,所以我就把整个流程整理了一下,供大家参考。 如果你是刚开始学习Ubuntu,或
领取专属 10元无门槛券
手把手带您无忧上云