IT思维

现如今，“大数据”通常指的是包含数十万甚至数百万个数据点的数据集！

这篇文章将介绍如何使用知识图和神经网络来回答这类问题。

大数据文摘出品 编译：张秋玥、M、浩哥儿、睡不着的iris、钱天培 近年来，机器在自然语言领域屡屡战胜人类的报 […]

本文将用一个葡萄酒是不是好喝的例子，让你迅速了解整个机器学习的技术过程。

做好防灾减灾工作是气象人员面临的巨大挑战。

人类历史中，有个让人浮想联翩的词，叫做炼金术。

人工智能先驱、贝叶斯网络之父、美国计算机科学家 Judea Pearl 在最近的一篇论文中解释了基于数据统计的机器学习系统的一些局限性。

Facebook 依靠庞大的后端系统，每天为数十亿人提供服务。在这些后端系统中，许多都有大量的内部参数。

作为独立于监督和非监督机器学习之外的机器学习重要分支，强化学习在多学科多领域中发挥了重要的决策支持作用。

2018年，行业落地是AI产业最主要的关键词。AI技术如同电与煤这样的基础能源一样，开始源源不断地对产业输送能量，通过效率的提升改变产业形态。

许多重要的神经网络架构都是在上世纪八十年代中期和九十年代早期完成的。

91%的受访企业预计，AI将在2023年实现新的业务增长。

MIT 和清华大学的研究者提出目标几何、外观和姿态的分解表征架构，并将其整合到深度生成模型中，实现了对 2D 图像目标的 3D 操控。

近年来，深度学习在解决模式识别问题方面发挥了关键作用。

从有一些有趣的用例看，我们似乎完全可以将 CNN 和 RNN/LSTM 结合使用。许多研究者目前正致力于此项研究。

人工智能正越来越多的渗透入人们的生活，改变人们的生活，从自然语言生成到语音识别、从医疗诊断到商业决策，AI逐渐开始显露出巨大的优势，并且它的脚步不会停止。

在论坛上，Google全球副总裁、工程研究员Jay Yagnik 携Google 不同领域的研究者发表了演讲，重点阐述了Google AI在自家产品上的应用以及如何利用AI解决人类面临的医疗、宇宙探索等挑战。

大数据仍然是少数人的游戏——只占 1%。

始机器学习之旅，需要什么层次的数学功底？

As machine learning infiltrates society, scientists are trying to help ward off injustice.随着机器学习对社会各领域的渗透，科学家正努力去防止一些不公平的现象产生。

相信很多人都有这样一个经历，走在路上前面有个人看背影挺熟悉，于是赶忙跑过去拍人家肩膀。结果一回头，大写的尴尬。

我们会先抛出“更为常见”的问题，在每个标题下，也会优先给出“最容易实现”的解决方案。

公众号/AI前线 策划编辑 | Tina 嘉宾 | Henry Shi 采访 & 撰稿 | 苏一 编辑 […]

据说今年的柯南剧场版又能在中国上映了。

近日，来自爱丁堡大学的研究人员提出了一种结合深度神经网络和树模型的新型模型——深度神经决策树(Deep Neural Decision Trees, DNDT)。