IT思维

公众号/将门创投 arxiv 编译: T.R 【温馨提示】本文长度4967字，建议先收藏后认真阅读。 基于图像 […]

机器学习算法利用统计数据从大量数据中找到数据的模式。这里的数据可以有很多形式，如数值、文字、图像，甚至你点一次鼠标也算，反正就是你周围的一切一切。

本文最初发布于 Max Pechyonkin 个人博客 https://pechyonkin.me ，经原作者授权由 InfoQ 中文站翻译并分享。

强化学习之父Richard S. Sutton认为，过去70年来AI研究的最大教训，就是我们过于依赖人类的既有知识，轻视了智能体本身的学习能力，将本该由智能体发挥自身作用“学习和搜索”变成了人类主导“记录和灌输”。未来这种现象应该改变，也必须改变。

文本资料作为企业重要的数据资产，我们都渴望从中分析出一些有价值的结论，并驱使商业应用利用其进一步发展。

全球计算机视觉顶级会议 IEEE CVPR 2019(Computer Vision and Pattern Recognition，即 IEEE 国际计算机视觉与模式识别会议) 即将于六月在美国长滩召开，CVPR 官网显示，今年有超过 5165 篇的大会论文投稿，录取的 1299 篇论文，比去年增长了 32%（2017 年论文录取 979 篇）。这些录取的最新科研成果，涵盖了计算机视觉领域各项前沿工作。

本文将重点介绍实时或近实时监控机器学习系统的方法。为此，我们不会过多地讨论模型是否生成了正确的答案，因为你通常在很长一段时间内都无法确定这一点。

强化学习（RL）为优化面向目标的行为,提供了统一且灵活的框架。

为了解决这些问题，研究人员将目光投向了深度学习，利用生成模型实现了深度估计和定位任务，为机器人环境感知带来了全新的解决方案。

公众号/AI前线 作者 | Janet Williams 译者 | Sambodhi 编辑 | Natalie […]

我们可能已经处在机器学习工具进化的某个阶段，在这个阶段，正规的机器学习教育不再是必要的。

英国赫特福德大学与 GBG Plc 的研究者近日发布了一篇综述论文，对人脸识别方法进行了全面的梳理和总结，其中涵盖各种传统方法和如今风头正盛的深度学习方法。

近日，来自日本东京工业大学的研究人员将基于深度学习的新型传感器送入太空。

许多人都持这一观点：算法终将会超越人类，具有认知意识。

机器学习领域有哪些实用的开放数据集？Gengo 网站整理出了 50 个高质量机器学习开放数据集，覆盖范围非常广，并按照具体领域（如金融、图像、自然语言处理、自动驾驶）进行分类，推荐给大家。

通过对历史上20位最重要的科学家研究，惊讶的发现其中有15位是博学家！

机器学习和5G密不可分。在管理5G庞大的数据量和复杂性时，机器学习和执行独立智能决策的能力是十分必要的。

伯克利和谷歌大脑的研究人员近日发表了全新的强化学习算法:柔性致动/评价(soft actor-critic,SAC)。

近日伯克利RISELab推出了多主体强化学习包Ray RLlib 0.6.0。

近日，谷歌大脑团队提出一种结构化方法从单目视频中进行无监督学习，获得了较高质量的场景深度和自运动预测。

这些是我对处于早期阶段的公司或非营利组织提出的关于机器学习应用场景的建议。

青光眼是世界上导致失明的第二大原因。

我被问到最多的问题是“我如何获得更高的精度？”。机器学习工程师，无论是新手还是有经验的，都会问这个问题。

这是一个库，使开发者能够以与生产运行时兼容的方式快速开发 Python 应用程序。

目前，有很多深度学习框架支持与 Spark 集成，如 Tensorflow on Spark 等。