- 博客(75)
- 收藏
- 关注
RSS订阅转载 提高代码阅读能力的7种方法
随着越来越多的公司使用敏捷开发，能够阅读别人的代码比以往显得更重要。这就需要学习一些如何提高这项技能的技巧。本文提供了7种提高代码阅读技巧的方法。在软件开发人员的职位描述中有阅读源代码。然而，这体验并不总能令人愉悦。不是每个人都喜欢阅读别人的代码，因为他们觉得那很乏味，甚至有时令人感到沮丧。有些案例中，你开始阅读别人的代码，最终会产生一种痛苦的感觉，因为你不能理解这些代码，或者说代码写得不好。
2017-11-01 00:00:00
439
转载 五年之后，你的企业是拥抱AI，还是已被淘汰
大多数人对人工智能的印象都很薄弱，比如深蓝、AlphaGo，又比如人工客服。社会大众对人工智能除了能够下棋，执行程序化动作，究竟还能带来什么改变，认知实在有限。但是诸位作为企业家，如果也是这种状态，那恐怕不远的将来就将落后于时代。世界顶尖的谷歌Deepmind团队近日宣布已经研发出了新版AlphaGo Zero，并在《Nature》上发表论文：新版的AlphaGo Zero可以只在
2017-10-31 00:00:00
469
转载 一文读懂深度学习与机器学习的差异
文章来源 | OSC如果你经常想让自己弄清楚机器学习和深度学习的区别，阅读该文章，我将用通俗易懂的语言为你介绍他们之间的差别。机器学习和深度学习变得越来越火。突然之间，不管是了解的还是不了解的，所有人都在谈论机器学习和深度学习。无论你是否主动关注过数据科学，你应该已经听说过这两个名词了。为了展示他们的火热程度，我在 Google
2017-10-30 00:00:00
721
转载 Pytorch还是Tensorflow？英伟达工程师帮你总结了
翻译 | AI科技大本营（rgznai100）参与 | reason_W本文作者Dominic Monn，是NVIDIA机器学习工程师。在本文中，作者讲述了自己在深度学习过程中使用PyTorch和TensorFlow的一些实际体会，他从安装、使用、文档、社区和工具五个角度，比较了PyTorch和TensorFlow的优点和不足。作者此前一
2017-10-27 00:00:00
11426
2
原创 除了助长“假新闻”的嚣张气焰，AI还可以为真正的新闻出把力
即便对于Google、Facebook这样的商业组织，“假新闻”的故事也说明，我们真的不能掉以轻心。
2017-10-25 14:35:53
4395
1
转载 从CNN视角看在自然语言处理上的应用
作者 | 卞书青卷积神经网络（Convolutional Neural Network）最早是应用在计算机视觉当中，而如今CNN也早已应用于自然语言处理（Natural Language Processing）的各种任务。本文主要以CMU CS 11-747（Neural Networks for NLP）课程中Convolutional Networks for Text
2017-10-24 00:00:00
16796
转载 在阿里 AI Lab 做 NLP 高级算法专家是一种什么样的体验？
记者 | 鸽子最近应届生的拼抢大战的号角已经吹响。正如近几天在朋友圈疯传的一篇雄文，年薪25万也只是个白菜价......这让营长真心羞愧啊.....同样敲键盘的...不说也罢绝不将小小的忧桑带入工作。这几天，群里一直有很多小伙伴在打听在不同的热门公司工作，都有啥不一样的体验。为了能帮助各位还在象牙塔的程序员哥哥们提前了
2017-10-23 00:00:00
10302
转载 想学AI？没那么简单、但也没那么难！（内附技术图谱）
本文作者：智亮Google Tensorflow框架的Contributor。在计算机视觉领域有深厚的工业经验，带领团队开发的“花伴侣”植物识别App，上线数月即在0推广的情况下达到百万用户，并获得阿里巴巴2017云栖大会API Solution大赛一等奖，团队受邀成为腾讯微信公开课北京站九位演讲嘉宾之一。每一波浪潮的到来，都意味一片无人
2017-10-23 00:00:00
37894
原创 7 场 AI 技术专题，开发者必看！
先行者们正在关注哪些关键技术？如何从理论跨越到企业创新实践？你将从本次峰会找到答案。每个演讲时段均设有答疑交流环节，与会者和讲师可零距离互动。
2017-10-20 21:11:05
5495
转载 谷歌 AI 自动编程效率超研发工程师，作为工程师的我感到了森森的压力
TNW一则热门新闻炸开了锅：Google AutoML 系统近日居然自己写了一串机器学习代码，其效率竟然超过了专业的研发工程师。这让我们人类的优越感何存？你们这些机器人学生啊，学习能力不要太强哦作者 | 周翔人工智能可谓是目前最热门的行业，与此同时，相关人才的身价也跟着水涨船高。根据拉勾网的数据，2017 年，人工智能招聘领域，2000 人以
2017-10-18 00:00:00
1037
原创 变种神经网络的典型代表：深度残差网络
深度残差网络（Deep Residual Network）是众多变种神经网络的一个代表，而且在某些领域确实效果不错，例如目标检测（Object Detection）。
2017-10-17 16:15:22
14250
转载 7 场 AI 技术专题，开发者必看！
如今人工智能已不单单是发表学术论文、刷新正确率的竞赛，抑或全民参与的新闻事件，它早在为各行各业的先行者们创造着实实在在的利润和商业价值。而且，随着算法改进、硬件升级、架构优化，应用人工智能技术带来的收益还会越来越高。基于此，CSDN倾力打造了「人工智能技术实战峰会」，来自阿里巴巴、微软、商汤科技、第四范式、微博、出门问问、菱歌科技的AI专家，将针对机器学习平台、系统架构、对话机器人、芯片、推荐
2017-10-16 00:00:00
941
转载 十分钟掌握Keras实现RNN的seq2seq学习
作者 | Francois Chollet编译 | 雁惊寒seq2seq是一种把序列从一个域（例如英语中的句子）转换为另一个域中的序列（例如把相同的句子翻译成法语）的模型训练方法。目前有多种方法可以用来处理这个任务，可以使用RNN，也可以使用一维卷积网络。很多人问这个问题：如何在Keras中实现RNN序列到序列（seq2seq）学习？本文将对此做一个简单的介绍。
2017-10-13 00:00:00
1829
1
原创 微博深度学习平台架构和实践
作者 | 黄波，何沧平责编 | 何永灿随着人工神经网络算法的成熟、GPU计算能力的提升，深度学习在众多领域都取得了重大突破。本文介绍了微博引入深度学习和搭建深度学习平台的经验，特别是机器学习工作流、控制中心、深度学习模型训练集群、模型在线预测服务等核心部分的设计、架构经验。微博深度学习平台极大地提升了深度学习开发效率和业务迭代速度，提高了深度学习模型效果和业务效果。
2017-10-12 00:00:00
2187
原创 如何用pyTorch改造基于Keras的MIT情感理解模型
作者 | Thomas Wolf 编译 | 雁惊寒情感情绪检测是自然语言理解的关键要素。最近，我们改造出了一个好用的情感理解集成系统，该系统前身是MIT媒体实验室的情感检测模型DeepMoji。开源代码：https://github.com/huggingface/torchMoji该模型最初的设计使用了TensorFlow、Theano和Keras，接
2017-10-11 00:00:00
2397
原创 Bengio终结Theano不是偶然，其性能早在Keras支持的四大框架中垫底
作者 | Jasmeet Bhatia 编译 | KK4SBB本文将对目前流行的几种Keras支持的深度学习框架性能做一次综述性对比，包括Tensorflow、CNTK、MXNet和Theano。作者Jasmeet Bhatia是微软的数据与人工智能架构师，本文内容仅代表个人观点。如果现在有人质疑Keras在数据科学家和工程师社区的地位，那么就先请他去看看专业A
2017-09-30 00:00:00
659
原创 读懂你性格的个性化推荐
作者 | 谢幸、张富峥编者按：互联网的迅猛发展为信息量的惊人膨胀提供了肥沃的土壤。丰富的信息资源给用户提供更多选择的同时，信息的泛滥也意味着用户必须为信息筛选付出更大的成本。 应运而生的个性化推荐技术能够在这个被信息淹没的时代，把用户最感兴趣的内容直接呈现在用户面前。本文中，微软亚洲研究院研究员谢幸、张富峥将为你揭开大数据背后个人性格的神秘面纱，近距离感受个性化推荐
2017-09-28 00:00:00
753
原创 AI 线上峰会 | 人工智能技术解析与实战
10月28日， SDCC 2017“人工智能技术实战线上峰会”将在CSDN学院以直播互动的方式举行。如今人工智能已不单单是发表学术论文、刷新正确率的竞赛，抑或全民参与的新闻事件，它早在为各行各业的先行者们创造着实实在在的利润和商业价值。而且，随着算法改进、硬件升级、架构优化，应用人工智能技术带来的收益还会越来越高。作为SDCC系列技术峰会的一部分，来自阿里巴巴、微软、商汤科技、第四范式、微
2017-09-27 00:00:00
565
原创 微软新推三款机器学习工具 帮助开发者打造强 AI 应用
在美国佛罗里达州奥兰多举行的微软 Ignite 大会上，微软展示了云计算、人工智能、混合现实技术驱动的多项微软产品。而在此之中，颇值得开发者关注的，是微软为那些想开发 AI 应用的开发者推出了一系列机器学习的工具及学习模型。微软 CEO 萨提亚·纳德拉在 Ignite 大会上演讲对于硅谷包括国内的科技巨头们来说，人工智能已经成为大力竞争的新领域，竞争不仅仅是存在于研发产
2017-09-26 00:00:00
762
原创 用深度学习做个艺术画家 ——模仿实现PRISMA
本书节选自图书《机器学习之路——Caffe、Keras、scikit-learn实战》文末评论赠送本书，欢迎留言！丰富的实战案例讲解，介绍如何将机器学习技术运用到股票量化交易、图片渲染、图片识别等领域。本文将探索深度学习落地到图像处理领域的方案，适合有一定深度学习实践经验的读者进阶阅读。使用深度学习作画的起源是有三个德国研究员想把计算机调教成梵高，他们研发了一种算法，模拟人类视觉的处理方式。具体是
2017-09-25 00:00:00
1125
原创 声纹识别技术助力远程身份认证
作者 | 李通旭，刘乐责编 | 何永灿“声纹”作为一种典型的行为特征，相比其他生理特征在远程身份认证中具有先天的优势，文章介绍了声密保在远程身份认证中的应用，解析了一些在声纹识别准确率、时变问题和噪音问题等方面的技术难点和工程解决经验，最后针对远程身份认证的安全性问题，分享了得意音通在防录音闯入上的最新研究成果。希望对广大读者有所帮助。声纹在远程身份认证中的应用网络安全面临重大挑战无线互联网以及智
2017-09-21 00:00:00
1525
原创 人工智能创业的“风口”和“泡沫”
作者 | 李开复、王咏刚人工智能时代刚刚到来，该领域的各种创业机会还处在相对早期的发展阶段。未来四五年对于人工智能时代的意义，和二十世纪七八十年代年代对于PC时代的意义相比，绝对毫不逊色。几乎可以预言，如果人工智能时代也会出现苹果、微软、Google、百度、阿里、腾讯等伟大公司的话，那么，这些公司一定会有相当数量是在这四五年内创立。因为资本、人才和市场三位一体的优势，美国的人工智能初创企业不仅数量
2017-09-20 00:00:00
608
翻译 解密谷歌机器学习工程最佳实践——机器学习43条军规
本文把在产品中应用机器学习的过程从浅到深分成了三个大的阶段，又在这三个大的阶段中细分出了一些方面，以此对43条规则进行逻辑分类。简单来说，如果你是从头开始做机器学习系统，那么就可以在不同阶段参考这里面对应的条目，来保证自己走在正确的道路上。
2017-09-19 10:54:58
7123
1
原创 报名 | 让机器读懂你的意图——人体姿态估计入门
机器视觉的主要任务是让机器看懂世界，而世界的主要组成是人类社会。我们一直在围绕物和人的识别展开研究：物品检测识别、行人检测与跟踪、人脸识别。事实上，行人检测是人的整体粗粒度识别，人脸识别是人的局部特征的识别，这两项研究还不足以刻画人类行为。因而，人体姿态估计越来越多的进入了研究者的视线中。人体姿态估计相当于识别人的动作，从而甚至可以揣摩人的意图：事实上人的很多意图是通过肢体语言表达出来的。因而可以
2017-09-19 00:00:00
1167
原创 AI 正变成黑客手中的强大武器
作者 | George Dvorsky编译 | KK4SBB去年，两位来自信息安全公司ZeroFOX的数据科学家做了一组实验，他们想测试人工智能算法是否比人类更容易欺骗Twitter用户点击恶意链接。科学家们从社交网站收集用户行为数据来训练模型，然后以此设计并生成恶意链接诱饵。在测试中，人工智能的表现显著超越了人类对手，它们撰写和发布假消息的能力远胜人类，而且转化率还更好。这个AI名叫SNAP_R
2017-09-18 00:00:00
801
原创 报名 | XGBoost模型原理及其在各大竞赛中的优异表现
提升树算法（Gradient Boosting Decision Tree， GBDT），尤其是XGBoost，近两年在各大竞赛中独占鳌头。CSDN学院邀请中国科学院大学计算机与控制学院副教授卿来云，她将为大家直播分享的主题为「XGBoost模型原理及其在各大竞赛中的优异表现」，讲解集成学习发展简史，GBDT的基本原理以及XGBoost版本的GBDT的特别之处，最后介绍XGBoost在一个Kagg
2017-09-18 00:00:00
330
翻译 从YouTube算法论文反推其推荐机制
Google的软件工程师 在去年发表论文Deep Neural Networks for YouTube Recommendations，向业界展示了YouTube在机器学习推荐算法上的深度神经网络使用情况。该论文涉及到一些非常技术、非常高级的细节，但它最大的意义是为我们完整描绘了YouTube推荐算法的工作原理！
2017-08-31 09:59:54
1247
原创 如何用TensorFlow预测时间序列：TFTS库详细教程
这篇文章详细介绍了TensorFlow Time Series（TFTS）库的使用方法。主要包含三个部分：数据读入、AR模型的训练、LSTM模型的训练。
2017-08-30 15:19:33
837
转载 大规模知识图谱的构建、推理及应用
随着大数据的应用越来越广泛，人工智能也终于在几番沉浮后再次焕发出了活力。除了理论基础层面的发展以外，本轮发展最为瞩目的是大数据基础设施、存储和计算能力增长所带来的前所未有的数据红利。
2017-08-30 15:15:19
1169
翻译 深度学习项目成功的六要素
深度学习可以应用在哪些场合呢？这是大家在理解深度学习和其它人工智能技术时首先想到的问题。我们往往陷入一个误区，认为“人工智能”可以搞定一切。
2017-08-30 14:35:54
1109
转载 神经网络也可以有逻辑——解析视觉推理（Visual Reasoning）
既然让计算机能够推理是实现通用人工智能的必由之路，那么是不是可以构造一个简单一点的，但是又必须有严格的推理才能解答的问题，从而来更好的研究人工智能推理的问题。
2017-08-30 14:32:35
1141
转载 机器学习教材中的 7 大经典问题
在实际工作中，应该怎么做和教科书讲的结论相矛盾，这时候要怎么办呢？难道教科书中的结论出错了？事实上，有时确实如此。所以今天我就想和大家分享一下机器学习教材中的一些经典问题，希望对大家今后的工作和学习有所帮助。
2017-08-30 14:21:11
565
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人