机器学习日报 2017-01-25
@好东西传送门 出品,由@AI100运营, 过往目录 见http://ml.memect.com
订阅:关注微信公众号 AI100(ID:rgznai100,扫二维码),回复“机器学习日报”,加你进日报群
本期话题有:
全部29 算法15 深度学习14 资源4 会议活动3 入门1 自然语言处理1 语音1 应用1 视觉1
用日报搜索找到以前分享的内容: http://ml.memect.com/search/
今日焦点 (5)

资源 数据
Quora 第一个开放数据集:相似问题对构建语义理解 http://t.cn/RxGufEI → 美国问答网站Quora开放了第一个数据集,包含与 Quora 相关的各种问题

入门 深度学习
【GAN学习指南:从原理入门到制作生成Demo,总共分几步?】 http://t.cn/RxzLElA 生成式对抗网络(GAN)是近年来大热的深度学习模型。最近正好有空看了这方面的一些论文,跑了一个GAN的代码,于是写了这篇文章来介绍一下GAN。

【AI/ML Reads – A curated list of artificial intelligence resources】 http://t.cn/Rx5sEWs 人工智能/机器学习资源的最佳目录,包括综述、论文、书籍、指南和视频。干货!请先转后看~~~

会议活动 深度学习 算法 Geoffrey Hinton ICLR Jeff Dean 行业动态 会议 神经网络
【新智元导读】谷歌大脑研究员昨天往 arXiv 上传了被 ICLR’17 接收的一篇论文,作者包括深度学习教父 Geoffrey Hinton 和谷歌技术大牛 Jeff Dean。论文提出了一个超大规模的神经网络——稀疏门控混合专家层(Sparsely-Gated Mixture-of-Experts layer,MoE)。MoE 包含上万个子网络,每个网络的参数更…全文: http://m.weibo.cn/5703921756/4067827353367939…全文: http://m.weibo.cn/5703921756/4067827353367939

算法 应用 推荐系统
【常用推荐算法】推荐方法是整个推荐系统中最核心、最关键的部分,很大程度上决定了推荐系统性能的优劣。 http://t.cn/RvuMSxf(来自: ITeye技术网站)
最新动态
2017-01-25 (24)

会议活动 深度学习 算法 Geoffrey Hinton ICLR Jeff Dean 行业动态 会议 神经网络
【Hinton 谷歌大脑最新研究:1370 亿参数超大规模神经网络】 http://t.cn/Rxtt52z 谷歌大脑(Google Barin)研究员昨天往 arXiv 上传了被 ICLR’17 接收的一篇论文,作者包括深度学习教父 Geoffrey Hinton 和谷歌技术大牛 Jeff Dean。论文提出了一个超大规模的神经网络——稀疏门控混合专家层(Sparsely-…全文: http://m.weibo.cn/1715118170/4067948735487135

资源 PDF 论文
【Lecture Notes on Randomized Linear Algebra】《关于随机线性代数的讲义》是基于作者在加大伯克利分校2013秋季学期所任教的班级随机线性代数专题讲座(RLA)整理而成。PDF格式,点击 http://t.cn/Rx58yph 下载。

Alexey Noskov 代码
【(机器学习)批量学习实现】“Batch Learn – Batch-Learn is an implementation of ML algorithms which may be applied to on-disk data batch-by-batch, without loading full dataset to memory.” by Alexey Noskov GitHub: http://t.cn/Rx5WA6u

算法 代码 神经网络
【TensorFlow神经网络优化心得】《Neural Network Tuning with TensorFlow》by Param Aggarwal @paramaggarwal/neural-network-tuning-with-tensorflow-cc14a23f132c”>http://t.cn/Rx59diG

深度学习 算法 资源 教育网站 强化学习 视频
【CS 294:深度增强学习,2017年春季学期】“CS 294: Deep Reinforcement Learning, Spring 2017 – YouTube” http://t.cn/Rx5Il4o Home: http://t.cn/RUuxgYi ref: http://weibo.com/1402400261/EpwSm9rls

深度学习 代码
【PyTorch实验集】’pytorch-notebooks – random pytorch hacks’ by Thom Lake GitHub: http://t.cn/Rx5clqL

深度学习 算法 强化学习 神经网络
除了深度学习,你还应该关注这6大AI领域 1.强化学习(RL) 2.生成模型 3.带记忆的神经网络 4.从更少的数据学习,建立更小的模型 5.用于训练与推理的硬件 6.仿真环境 http://t.cn/RxyBY47

算法 神经网络
http://t.cn/RxqzdzE 这个知乎答案很有insight。其实整个经济就像一个自组织的神经网络,权重是价格,loss是供需矛盾,梯度是价格变化,价格变化总是朝着缩小供需矛盾方向走。区别在于权重总和(总货币量)相对稳定,也就是每个、每层神经元有normalization,而扩大信贷是调高整体normalization constant

深度学习 行业动态
http://t.cn/RxGdP0O 基于巨大的硬件销量,华米科技研发及运营的小米运动APP日活跃用户超过1000万,并且在此基础上积累了大量的用户运动、睡眠等数据。据悉,华米内部正式成立了人工智能实验室,负责搭建其在云端运动及健康大数据的深度学习平台,还将与第三方合作,主导研发第一颗基于深度学习的可穿…全文: http://m.weibo.cn/1862172703/4067801528924664

算法 迁移学习
Edge 2017年度人工智能话题预测:从算法、迁移学习到自产生程序 http://t.cn/RxGBC1L → 2017 年,最值得关注的科学术语和概念是什么?让这些顶尖科学家为你解答。

行业动态
为推进科学研究,谷歌呼吁建立标准的数据生态系统 http://t.cn/RxGucFI → 谷歌希望在各方努力之下,我们最终能够像搜索论文一样轻松找到需要的数据集,新的标准是努力的第一步

深度学习 Python
【人工智能时代应当立马学习Python的7 个理由】 http://t.cn/RxGnOlO 现在,人工智能王者归来,带来新一轮机器学习、深度学习等技术的浪潮,而 Python 借势变得流行起来,本文作者通过讲述个人经历从 7 个方面讨论了立马学习 Python 的理由。推荐阅读!

行业动态
【2017谷歌火力全开:瞄准机器学习与数据分析】2016年,Google将赌注的筹码放在了机器学习和数据分析上,以此来区分它的云平台,从而在企业客户中产生重大影响力。 @下岗工人01 @没人用我的名 @何春银微想 @江苏道法自然 @铭玉其_很平凡 http://t.cn/Rxzc7Qj

深度学习 算法 强化学习 神经网络
【AI 自动研发机器学习系统,DeepMind 让算法学习强化学习(附论文)】 http://t.cn/RxGTtE7 眼下,人工智能研发的一个大方向是用AI系统来自动化开发AI系统。虽然这一目标尚未实现,但目前的进展让已足够令人人震惊。本文介绍了最新的一些进展,包括伯克利让算法自我优化、MIT自动生成神经网络架构,以…全文: http://m.weibo.cn/1715118170/4067788395603191

深度学习
用深度学习识别交通灯:我如何在10个星期学会深度学习并赢得了$5000 – 来自知乎专栏「盒子以外」,作者:FrozenTeeth, http://t.cn/RxGzeuF(想看更多?下载 @知乎 App: http://t.cn/zHpKgdA )

会议活动 经验总结 Martin Zinkevich NIPS 博客 行业动态 会议
【谷歌机器学习应用的四十三条经验法则】Google 的研究科学家 Martin Zinkevich 曾在 NIPS 2016 Workshop 分享了谷歌机器学习实践的四十三条法则。Martin Zinkevich 也在自己的博客上分享了这四十三条经验法则。文章《Rules of Machine Learning: Best Practices for ML Engineering》旨在帮助具备机器…全文: http://m.weibo.cn/1787567623/4067768310114863

深度学习 语音
【语音/语言深度学习】“Deep Learning for Speech and Language” http://t.cn/Rxbmj7R

深度学习 算法 资源 Laurens Samson PDF 代码 强化学习 视频
【毕设论文:用深度增强学习玩转“泡泡射击”游戏】《Deep Reinforcement Learning applied to the game Bubble Shooter》Laurens Samson http://t.cn/Rxb85Mp GitHub(AlphaBubble): http://t.cn/Rxb85M0 Demo: http://t.cn/Rxb85MN http://t.cn/Rxb8qfu .

深度学习 视觉 算法 CRF 论文
【语义图像分割DeepLab v2】“DeepLab v2” Bitbucket: http://t.cn/RxbHYZc ref:《DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs》 (2016) http://t.cn/RM7rF27 Home: http://t.cn/RxbHYZt

算法 自然语言处理 Trinity College Dublin 论文 神经网络
《Incorporating Global Visual Features into Attention-Based Neural Machine Translation》I Calixto, Q Liu, N Campbell [Dublin City University & Trinity College Dublin] (2017) http://t.cn/Rx413BH

算法 教育网站 论文 神经网络
《Adversarial Learning for Neural Dialogue Generation》J Li, W Monroe, T Shi, A Ritter, D Jurafsky [Stanford University & Ohio State University] (2017) http://t.cn/Rx4u9rm Home: http://t.cn/RxbYbyj

代码 论文
《The biglasso Package: A Memory- and Computation-Efficient Solver for Lasso Model Fitting with Big Data in R》Y Zeng, P Breheny [University of Iowa] (2017) http://t.cn/RxbjeiC GitHub: http://t.cn/RxbjeiN

深度学习 算法 Geoffrey Hinton Jeff Dean 论文 神经网络
《Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer》N Shazeer, A Mirhoseini, K Maziarz, A Davis, Q Le, G Hinton, J Dean [Google Brain & Jagiellonian University] (2017) http://t.cn/RxbjMZh

算法 Nick Bostrom 强化学习
人工智能学家 马斯克创建OpenAI的意图的确令人钦佩,但研究方向为何会遭到质疑? http://t.cn/RxbIN7E 摘要:这种观点很正确。譬如,牛津大学教授Nick Bostrom著名的思维试验——“回形针最大化”(Paper-Clip Maximizer)就是一个很好的例子。 而OpenAI优先考虑的“强化学习”技术是一种机器学习算法