IT思维

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。

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。

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。

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。

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。

公众号/AI报道 人工智能正热。 技术创新是经济增长的根本动力。这些技术中，最重要的就是经济学家提到的“通用技 […]

近日，著名机器学习教材《Pattern Recognition and Machine Learning》的作者Christopher Bishop教授更新了他的机器学习新书：Model-Based Machine Learning。

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。

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。

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。

在斯坦福大学2018年医学健康机器学习大会上发表的一篇论文中，麻省理工学院Media实验室的研究人员详细介绍了一个模型，该模型可以使给药方案毒性更小，但仍然有效。

美丽的眼睛不仅是我们感受周围世界最主要的器官，而且也是心灵的窗户。

2015年，一位忧心忡忡的父亲向Rhema Vaithianathan提出一个问题，这个问题至今仍然困扰着她。

传统的情感计算模型利用一刀切的思想来训练模型，将在某一数据集上训练描绘不同表情的优化特征作为通用特征用于整个全新的新数据集。

美国2018年二季度GDP增速达4.1%，为4年来最高水平，但这更多的是临时政策刺激下的结果，可持续性不高。本文认为，AI和机器学习技术的大发展才是推动世界范围内生产力和经济增长的强劲、可持续的引擎。

设计新的药物分子需要手工进行，耗时且容易出错。但是麻省理工学院的研究人员已经朝着完全自动化的设计过程向前迈出了一步，这将大大加快设计过程，并获得更好的结果。机器学习模型可以帮助化学家更快地制造出具有更高功效的分子。

在数据子集上对深度学习软件进行“训练”后，将深度学习软件应用到整个数据库中。人工智能准确识别晶体的几率大约95 %，据估计，人类发现晶体的正确率只有85 %。

那么人工智能呢？ 虽然学者们对AI的细微差别提出了异议，但工业界正在使用这个术语来指代一种特定类型的机器学习。

机器学习是目前计算机领域最火的技术之一，从电商到自动驾驶，都有机器学习的应用。

由于机器学习系统容易受到历史数据引入的偏见而导致歧视性行为，人们认为有必要在某些应用场景中用公平性准则约束系统的行为，并期待其能保护弱势群体和带来长期收益。

机器学习是一种比手工编程更为高效的解决方案，通过对于数据的分析和学习来解决一系列广泛复杂的问题。