IT思维

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。

《西部世界》是近几年来我最喜欢的电视剧之一。

尽管现在人工智能的发展速度达到了令人目眩的地步。但李飞飞依然认为它面临着诸多挑战，人类有责任让人工智能的发展能够帮助人类世界变得更加美好。

人类对图像的感知远远超出了物体、形状、纹理和轮廓这些因素。

产品的重要原则是关注用户的需求，对于机器学习而言也是一样。

如今来自史密斯学会和哥斯达黎加理工学院的研究人员们正致力于更加充分地深入利用这些数据，将大数据分析、计算机数据和GPU计算技术结合起来，希望更深入地理解植物信息学。

“目前，检测一个地方有什么物种的最好方法是坐下来，卷起裤子，看看有什么蚊子咬你。” Sinka说，“但这显然是有一些不足的。”

自去年成功预测第89届奥斯卡8项大奖后，机器学习和数据分析平台BigML再次公布今年的大奖预测结果。

在开始你的研究之前，了解目标领域中最重要的研究方向是很重要的任务。本文中，德国海德堡大学的计算语言学在读博士 Sebastian Ruder 为我们介绍了 NLP 领域里最具潜力的几个研究方向。

今天，总理的“两会”政府工作报告中再次提及人工智能。

在今年的六月份，德国的科学家宇航员 Alexander Gerst 会登上国际空间站，并随即开展一系列的科研工作。但与以往不同的是，即将到来的这次飞行还会有一位特殊的侣伴——会飞、会说话的智能机器人 Cimon。

机器学习模型通常依赖于大量训练数据，所以在很多领域中难以施展拳脚。

在本文中我分享了一些幻灯片和笔记。

图像分类技术在过去几年中取得了显著的进步，这在一定程度上体现在Imagenet 分类挑战上，机器的误差率每年都在大幅下降。

，他毫不客气地评价道，“2018 年了，Perceptron 仍然是老生常谈，还是之前的基础算法”。

的确，如今学习人工智能最大的困难不是找不到资料，更多同学的痛苦是：网上资源太多了，以至于没法知道从哪儿开始搜索，也没法知道搜到什么程度。