贫瘠高原是在机器学习优化算法中发生的可训练性问题，算法无法在似乎没有特征的景观中找到向下的坡度，也没有通往最小能量的明确途径。
据 VentureBeat 报道，大约 90% 的机器学习模型从未投入生产。换句话说，数据科学家的工作只有十分之一能够真正产出对公司有用的东西。
「弱人工智能」对应深度学习，围绕单一任务点，需要大量数据做支撑，有时候不那么可靠，可移植性差/移植过后需要大量重新训练。
即使是最官方的记录，关于历史的档案也常常会出错。例如，在南非结束种族隔离制度下的白人统治多年之后的十年中，该国学校使用的书籍仍然没有反映人们的经历。
关注的人都知道，谷歌“Arts & Culture”总会发布些有趣的应用来增强人们与艺术和历史间的互动，很有意义。
近日，莫斯科物理技术学院、伊万尼科夫系统编程研究所和哈佛医学院附属的谢本斯眼研究所的研究人员开发出了一种能够在培养皿分化过程中识别视网膜组织的神经网络。
公众号/AI公园 作者：AltexSoft Inc 编译：ronghuaiyang 导读 给大家介绍一下AI在 […]
近年来，Adobe和Celsys等多媒体制作类软件开发公司一直在尝试将机器深度学习加入数字艺术软件中，希望通过消除耗时的人力工作来加快工作流程，以此给予画师更多时间来实践他们的创意。
未来，构建 ML 产品将更加有趣，并且这些系统会工作得更好。随着 ML 自动化工具的不断改进，数据科学家和 ML 工程师将把更多的时间花在构建优秀的模型上，而花在与生产级 ML 系统相关的繁琐但必要的任务上的时间会更少。
2020年2月13日，美国外国投资委员会（CFIUS）外国投资审查法案最终规则正式生效。这是对2018年外国投资风险审查现代化法案（FIRRMA）的进一步确定和细节规定的落实。
为了深入研究这一问题，来自谷歌的研究人员在NeurIPS上发表了一项对模型在数据集分布漂移情况下不确定性进行评测的工作，细致地分析了前沿的深度学习模型在数据分布漂移和处于分布外数据的作用下的不确定性。
最近，我们构建了一个将机器学习模型部署为 API 的开源平台—— Cortex，我们考虑了很久应该如何选择编程语言。最终的结果是代码库中有 87.5% 用的是 Go。经过一番比较，我们认为：Python 适用于机器学习，而 Go 适用于基础设施。
还记得去年圣诞吗，黑镜出了一个特别篇——《黑镜：潘达斯奈基》，尽管黑镜系列被Netflix买下后已走下神坛，但也不能否认他们在技术上的创新。
对于开发者和机器学习研究人员来说，需要深入思考医疗行业的需求，从问题选择、数据收集和机器学习模型构建到验证和测评、部署和监控等方面都需要进行详尽的考量。
谷歌AI负责人Jeff Dean 近日接受专访，讨论了2020 年机器学习领域趋势，他认为在规模更大的多任务学习和多模式学习方面，AI将取得新的里程碑。
都说做一件事情最好的时机就是「现在」，但是从何开始往往会难倒一大批人，更不用说是想要入门数据科学和机器学习的朋友了。
胶囊网络是一个令人兴奋的机器学习研究思想，其中标量值的“神经元”被小矩阵取代，使它们能够捕捉更复杂的关系。
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。
Return to Top ▲
友情链接