IT思维

通过采用互联网功能的安全摄像头，可能会给您的家庭网络和宽带连接带来持续不断的视频流。

其实，除了神经网络以外，AI领域中还包含很多更有趣、更新颖，更有前景的技术，文章中就将这些技术介绍给大家。

正则表达式对数据处理而言非常重要。近日，Dataquest 博客发布了一篇针对入门级数据科学家的正则表达式介绍文章，通过实际操作详细阐述了正则表达式的使用方法和一些技巧。

在生物学和医学领域，显微镜技术可以帮助研究人员观察到肉眼看不到的细胞和分子的细节。透射光学显微镜将生物样本的一侧照射并成像，这种显微镜相对简单，活体培养物可以很好地耐受，但是生成的图像可能难以准确评估。

来自MIT媒体实验的研究人员们日前研究出了一款可以通过头部肌电信号来获取心中默念内容的可穿戴设备，使得人们可以在别人毫无察觉的情况下与自己的智能设备交流，同时也有望成为人与人之间崭新的沟通手段。

预测未来事件是实现智能行为的一个重要的先决条件，而视频预测就是其中一项任务。

4 月 6 日，Apache Hadoop 正式发布了 3.1.0 版本。

GANs 当然不只是能生成难以辨别图片，应用到别的学科，它依然大放光彩。

恩达对话Yann LeCun：从相识Hinton到深度学习崛起

机器学习可以为广泛的行业带来真真切切的商业价值——前提是机器学习已经真正地投入使用。

人们几乎每天都要听到描述人工智能发展的新研究。

长期以来，我一直主张，统计学家（及其他数据科学家）应该精通多门编程语言。15 年前，我说过这样一句话，“性能要求高的场景用 C，交互式数据分析和图表用 R，操作数据文件用 Perl。”现在，我会用 C++ 替换 C，用 Python 或 Ruby 替换 Perl，但基本思想保持不变：使用最合适的语言解决手头的问题。

保安，保安！抓住那个砸玻璃的人！

昨晚，来自伦敦的DeepMind宣布，将在巴黎设立AI实验室。

带有韵律的合成语音：谷歌展示基于Tacotron的新型TTS方法。

告诉你们如何启动一个 AI 的创业项目。

机器学习虽然能够在很多地方显示出强大的力量，同时也被集成到了很多的商业流程中去，但它依旧有一些不完美的地方，今天我们就通过一些典型的例子来深刻感受一下机器学习的局限性。

本文将会介绍三种回归算法及其优缺点，将会为我们理解和选择算法提供很好的帮助。

Michael I.Jordan的重要贡献则包括指出了机器学习与统计学之间的联系。

近年来人工智能（AI）在中国发展迅猛，国家已经将AI上升为国家战略。

他们在论文摘要中这样陈述这篇论文的价值：推进可解释性AI发展的重要一步。

Mark Cicero 和 Alexander Bilbily的团队赢得了2017年北美放射学会举办的机器学习挑战赛。

下面这些问题，可能在我们不久的将来（一年或者两年？）就会出现在我们身边。

新一代人工智能“新”在哪？将人工智能的“炒作热”真正变成“落地热”，这可能才是未来3-5年中国人工智能发展的主题与核心。

 3 月 10 日，科技部部长万钢就中国的人工智能发展规划答记者问。