![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
迁移学习与多任务学习
文章平均质量分 59
lqfarmer
接各类直发和原创推广,商务wx:lqfarmerlq
展开
-
谷歌慌了!想发论文得审批,优先开发产品,让OpenAI没得看
这样的「指责」并不奇怪,事实上,大语言模型的重要基础,ChatGPT 中的 T —— transformer 是谷歌 2017 年的一项研究。「在社会层面上,它可能会造成很大的伤害,」他在 4 月份的「60 分钟」节目中警告说,并描述了生成式 AI 如何加速虚假图像和视频的创作。新的政策变化是谷歌内部更大转变的一部分。长期以来,这家科技巨头一直被认为是 AI 领域的领导者,但现在却陷入了需要追赶别人的境地 —— 谷歌需要抵御一群灵活的 AI 竞争对手,保护自己的核心搜索业务和股价,以及潜在的未来。原创 2023-05-12 19:17:10 · 771 阅读 · 0 评论 -
GPT-4开源平替miniGPT-4来了,仅需23G显存单机可run,附论文、项目代码地址
为了实现有效的MiniGPT-4,研究人员提出了一个两阶段的训练方法,先在大量对齐的图像-文本对上对模型进行预训练以获得视觉语言知识,然后用一个较小但高质量的图像-文本数据集和一个设计好的对话模板对预训练的模型进行微调,以提高模型生成的可靠性和可用性。不过还是可以观察到MiniGPT-4仍然很难生成连贯的语言输出,比如经常会生成重复的词或句子、零散的句子或不相关的内容,这些问题也阻碍了MiniGPT-4与人类进行流畅的视觉对话的能力。修正给定段落中的错误。删除重复的句子、无意义的字符、不是英语的句子等等。原创 2023-04-28 18:32:24 · 1722 阅读 · 0 评论 -
马斯克爆料Twitter裁了八成员工;OpenAI CEO:GPT-5根本不存在;小鹏被曝年终奖打0.5折 | AI一周资讯
对于奖项能否照常兑现,她表示,老板是认可这个奖项的,后期会跟员工再商议是休假还是折现。张勇表示,面向 AI 时代,所有产品都值得用大模型重做一次,基于这一信念,阿里云希望帮助更多企业用上大模型,让每家企业都能基于“通义千问”,拥有具备自己行业能力的专属大模型。4 月 10 日,商汤科技分享了以“大模型 + 大算力”推进 AGI(通用人工智能)发展的战略布局,并公布了商汤在该战略下的“日日新 SenseNova”大模型体系,推出自然语言处理、内容生成、自动化数据标注、自定义模型训练等多种大模型及能力。原创 2023-04-21 18:58:25 · 1188 阅读 · 0 评论 -
PMML-ONNX-AI Serving等深度学习模型上线-部署实战经验分享
AI的广泛应用是由AI在开源技术的进步推动的,利用功能强大的开源模型库,数据科学家们可以很容易的训练一个性能不错的模型。但是因为模型生产环境和开发环境的不同,涉及到不同角色人员:模型训练是数据科学家和数据分析师的工作,但是模型部署是开发和运维工程师的事情,导致模型上线部署却不是那么容易。本资源整理了业界PMML-ONNX-AI Serving等进行深度学习模型线上部署的经验,分享给大家。内容涉及多次跳转,点击文末“阅读原文“”查看资源详情。原创 2023-02-12 11:30:55 · 133 阅读 · 0 评论 -
互联网开发必读Git工具利器-《30天精通Git版本控管》中文版免费分享
不过,由于Git版本控管无论在版控观念与工具使用上,都与传统集中式版控工具差异甚大,因此造成了不小的学习门槛,在未来的30天内,希望能让大家完整了解Git版本控管的精髓之处,并整理我的学习心得与我们公司从Subversion转至Git的过程中所遭遇的问题与解决方法。文末附本书免费获取地址。原创 2023-01-28 18:45:16 · 428 阅读 · 0 评论 -
推荐系统徐偏差(debias)相关的技术、论文及代码整理分享
近些年来关于推荐系统的研究主要集中在如何设计更好的模型来适应用户行为数据,进而提升推荐质量。然而,由于用户行为数据是观察所得(Observational)而不是实验所得(Experimental),因此会存在各种偏差(bias),如用户对物品的选择偏差、系统对物品的曝光偏差等,直接拿模型拟合数据而忽视偏差会导致性能欠佳,在一定程度上也损害了用户对推荐系统的体验和信任,因此,去除推荐系统偏差(Recommendation debias)已经成为推荐系统领域研究的一个新方向。原创 2023-01-15 11:19:13 · 189 阅读 · 0 评论 -
推荐系统徐偏差(debias)相关的技术、论文及代码整理分享
近些年来关于推荐系统的研究主要集中在如何设计更好的模型来适应用户行为数据,进而提升推荐质量。然而,由于用户行为数据是观察所得(Observational)而不是实验所得(Experimental),因此会存在各种偏差(bias),如用户对物品的选择偏差、系统对物品的曝光偏差等,直接拿模型拟合数据而忽视偏差会导致性能欠佳,在一定程度上也损害了用户对推荐系统的体验和信任,因此,去除推荐系统偏差(Recommendation debias)已经成为推荐系统领域研究的一个新方向。原创 2023-01-07 12:12:46 · 188 阅读 · 0 评论 -
人工智能芯片设计相关架构/设计相关论文整理分享
技术手段方面AI市场的第一颗芯片包括现成的CPU,GPU,FPGA和DSP的各种组合。虽然新设计正在由诸如英特尔、谷歌、英伟达、高通,以及IBM等公司开发,但还不清楚哪家的方法会胜出。AI芯片该使用什么方法原理去实现,仍然众说纷纭,这是新技术的特点,探索阶段百花齐放,这也与深度学习等算法模型的研发并未成熟有关,即AI的基础理论方面仍然存在很大空白。这是指导芯片如何设计的基本前提。AI芯片也被称为AI加速器或计算卡,即专门用于处理人工智能应用中的大量计算任务的模块(其他非计算任务仍由CPU负责)。原创 2022-12-31 15:27:08 · 254 阅读 · 0 评论 -
2023年春招必备-LeetCode刷题笔记最短最优雅经验整理分享
项目持续更新中,优先使用 python3,不支持的题目使用 python2 代替,如果您有更短更优雅的解法希望分享的话欢迎联系更新~ [直接发issue 或 fork,记得留下署名和联系方式 ] 鉴于追求的主题,此项目收录 1.在代码量(不是行数)上明显优于现有解的最短代码 2.思路更高效的一般解法(作为补充放在首选解之后) [题目自带的代码不计入代码量]相比于题库解析部分追求代码的绝对精简,本专题追求以高可读性呈现各大专题的常规思路,为后续的题库解析部分做铺垫。原创 2022-12-31 15:22:59 · 214 阅读 · 0 评论 -
历史最全模型压缩相关方法、论文、代码等资源整理分享
模型压缩就是在尽可能不改变模型效果的情况下,减少模型的体积,使得模型在使用的时候有更快的速度。模型压缩更多地是应用到复杂的深度模型上,并且越来越受到重视,因为当模型的准确度达到一定程度后,如何用更少的硬件成本去做模型服务变的有意义。资源整理自网络,源地址:https://github.com/htqin/awesome-model-quantization。原创 2022-12-24 19:32:07 · 153 阅读 · 0 评论 -
最近几年-基于深度学习自然语言处理的推荐系统-必读论文整理分享
基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。因此,对于推荐内容的理解对于推荐系统来说非常重要的。本资源整理了基于自然语言处理内容理解的推荐系统,整理了最近几年NLP在推荐系统中相关的应用,涉及基于知识图谱的推荐、基于文本的推荐及广告、基于对话系统的推荐、基于上下文推荐和可解释下推荐。原创 2022-12-20 00:23:30 · 105 阅读 · 0 评论 -
AI面试必备-《家居必备的AI精选资源列表》免费分享
链接: https://pan.baidu.com/s/1IkPk0a3q2Z1z4FATG2y7HA?DeepMind科学家和工程师为有兴趣了解更多人工智能、机器学习和其他相关主题的学生整理的教育资源列表。原创 2022-11-26 15:46:53 · 679 阅读 · 0 评论 -
2022最新最全联邦学习(FL)论文、教程、博客和框架整理分享
联邦学习(Federated Learning)是一种分布式机器学习技术 ,其核心思想是通过在多个拥有本地数据的数据源之间进行分布式模型训练,在不需要交换本地个体或样本数据的前提下,仅通过交换模型参数或中间结果的方式,构建基于虚拟融合数据下的全局模型,从而实现数据隐私保护和数据共享计算的平衡,即“数据可用不可见”、“数据不动模型动”的应用新范式。资源整理自网络,下载及获取见源地址:https://github.com/Echo-Wxl/Federated-Learning。原创 2022-11-26 15:39:27 · 1293 阅读 · 0 评论 -
Hugging Face 3000+NLP预训练模型库整理分享
在自然语言处理(NLP)领域中,使用语言模型预训练方法在多项NLP任务上都获得了不错的提升,广泛受到了各界的关注。在bert之前,将预训练的embedding应用到下游任务的方式大致可以分为2种,一种是feature-based,例如ELMo这种将经过预训练的embedding作为特征引入到下游任务的网络中;然而这2种方式都会面临同一个问题,就是无法直接学习到上下文信息,像ELMo只是分别学习上文和下文信息,然后concat起来表示上下文信息,抑或是GPT只能学习上文信息。原创 2022-11-12 17:50:25 · 329 阅读 · 1 评论 -
历史最全最新-人工智能软件创业公司整理分享
在发论文之前,需要调研相关论文并看论文,才能知道发展现状,并找到差异化和创新点。同理,在创业之前,需要调研相关的创业公司并研究产品、市场和商业模式,才能知道发展现状,并找到差异化和创新点。商业价值:给出AI创业公司的最新一轮融资额。举例:Scale.ai :$155M ==》表示 scale.ai公司最新一轮融资155 million dollor。"表示该公司的是开源公司。技术角度:从技术的角度来AI软件创业公司进行分类,给AI创业人士启发。"#"该公司的是开源公司是以色列公司。原创 2022-10-14 22:14:18 · 207 阅读 · 0 评论 -
联邦机器学习经典论文、数据集、开源框架、视频教程等资源分享
谷歌公司提出了基于个人终端设备的“联邦学习”(Federated Learning)算法框架,而AAAI Fellow 杨强教授与微众银行随后提出了基于“联邦学习”(Federated Learning)的系统性的通用解决方案,可以解决个人(2C)和公司间(2B)联合建模的问题。联邦机器学习(Federated machine learning/Federated Learning),又名联邦学习,联合学习,联盟学习。原创 2022-10-03 19:16:23 · 390 阅读 · 0 评论 -
2022年历史最全可信图神经网络论文、工具、资源等整理分享
GNN的历史最早可以追溯到 2005 年,Gori 等人第一次提出 GNN 概念,用 RNN 来处理无向图、有向图、标签图和循环图等。图神经网络(Graph Neural Network,GNN)是指使用神经网络来学习图结构数据,提取和发掘图结构数据中的特征和模式,满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。除了图卷积神经网络,GNN主流算法还包括有图自编码器、图生成网络、图循环网络以及图注意力网络。原创 2022-09-24 20:05:41 · 586 阅读 · 0 评论 -
880个(330万star)精选python机器学习实战项目整理分享
本资源整理包含880个精选的开源项目,总共累计300万star,分为33个类别。所有项目都按照项目质量评分进行排名,该评分是基于从GitHub和不同的包管理器自动收集的各种指标来计算的。资源整理自网络,源地址:https://github.com/ml-tooling/best-of-ml-python。...原创 2022-08-13 20:18:59 · 331 阅读 · 0 评论 -
NLP各领域(信息抽取|分词|词性标注|知识图谱等)必读综述性论文整理分享
自然语言处理( Natural Language Processing, NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。自然语言处理主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别、中文OCR等方面 [2]。资源整理自网络,源地址:https://github.com/thunlp/SOS4NLP。...原创 2022-08-13 20:14:32 · 833 阅读 · 0 评论 -
2022年自然语言处理校招社招实习必备知识点盘点分享
本资源整理了自然语言处理领域中常见的一些知识点,并给出了答案,分享给大家。对于准备自然语言处理校招、社招、实习岗位的朋友,可以好好研读一下。原创 2022-08-07 19:30:30 · 147 阅读 · 0 评论 -
2022年必读的12本机器学习书籍推荐
它包括各种主题,例如降维,集成学习,回归和聚类分析,神经网络等。这本书解释了线性代数,概率和信息论,数值计算,行业标准技术(例如优化算法,卷积网络,计算机视觉)以及研究主题(例如蒙特卡洛方法,分区函数)的相关概念。本书涵盖了广泛使用的主题,例如贝叶斯方法,回归,分类,神经网络,图形模型,采样方法等,非常适合理解ML,统计,计算机视觉和挖掘。OliverTheobald在他的书中简化了与ML相关的几个复杂主题,例如其基础知识,以及其他技术,例如数据清理,回归分析,聚类,偏差,人工神经网络等。...原创 2022-07-30 22:45:30 · 5902 阅读 · 0 评论 -
历史最全混合专家(MOE)模型相关精选论文、系统、应用整理分享
稀疏性(Sparsity),指的是模型具有非常大的容量,但只有模型的用于给定的任务、样本或标记的某些部分被激活。这样,能够显著增加模型容量和能力,而不必成比例增加计算量。 2017年,谷歌引入了稀疏门控的专家混合层(Sparsely-Gated Mixture-of-Experts Layer,MoE),该层在各种转换基准测试中显示出更好的结果,同时使用的计算比以前最先进的密集 LSTM 模型少10倍。 本资源整理了近年来混合专家(MoE) 相关的论文,并进行了详细分类。为这个知识库加注星标,然原创 2022-07-02 22:04:59 · 1489 阅读 · 0 评论 -
人工智能行业博士研究生学术科研及工作就业规划经验分享
博士旅程是一段围绕个人认知、能力与身心而开展的难得的修行。在这当中,内涵丰富、切实有效的指导性资源有益于将博士生们的独孤求索旅程带入新的境地,使其能够更有准备,更加勇敢,更持有信心地去面对随读博选择而伴生的不同研究任务与多方面的挑战,最终得以迭代升级,顺利修行。 将上述提到的指导性资源划分为:[高考模式]、 [一个执着的决定]、 [如何开个好头]、 [好的研究想法如何产生]、 [如何读论文]、 [如何做实验]、 [如何写论文]、 [如何投论文]、 [如何做Rebuttal]、 [同行评审]、 [审稿状原创 2022-07-02 22:01:42 · 297 阅读 · 0 评论 -
8本必读关于人工智能伦理问题、社会价值及影响书籍推荐
这八本关于人工智能的书涵盖了一系列的主题,包括AI涉及的伦理问题,人工智能如何影响就业市场,以及公司如何利用人工智能获得竞争优势。 人工智能(AI)是不断发展的技术。有几种不同的用法,很容易理解为什么在生活中越来越多地使用它。这些书籍回答了有关AI的常见问题,讨论了当前企业正在使用的AI技术,人类如何失去对AI的控制等等。 T-Minus AI T-Minus AI:人类对人工智能的倒计时和对全球力量的新追求 在T-Minus AI中,作者,美国专家,美国空军第一任人工智能主席原创 2022-06-18 12:28:48 · 541 阅读 · 0 评论 -
22年最新-自然语言处理系统性入门学习指南中文版分享
本教程致力于帮助同学们快速入门NLP,并掌握各个任务的SOTA模型。1.系统入门方法 2. 各任务模型list汇总:文本分类、文本匹配、序列标注、文本生成(todo)、语言模型 3. 各任务综述&技巧:文本分类、文本匹配、序列标注、文本生成、语言模型如何系统地入门机器学习是一门既重理论又重实践的学科,想一口吃下这个老虎是不可能的,因此学习应该是个循环且逐渐细化的过程。资源整理自网络,源地址:https://github...原创 2022-05-28 16:02:28 · 109 阅读 · 0 评论 -
文本风格迁移(TST)相关算法、领域、数据集及应用场景整理分享
自然语言的文本风格,可以是比风格更广泛的东西。文本风格迁移的应用,是可以比你想象中的应用更大。图像的风格转换,大家都很熟悉。文本的风格转换(Text Style Transfer)可以有很多不同的面相。比如,我们可以把负面的句子转换为正面的句子。这个问题,如果我们有成对的数据,就可以直接端对端训练结束。但问题在,在文本风格迁移任务中,通常难以收集到成对的数据。我们不知道一个负面的句子应该对应到哪个正面的句子。所以我们很难直接用有监督学习去训练这个模型,而是要用无监督的方法,从未成对的...原创 2022-05-22 14:33:21 · 662 阅读 · 0 评论 -
历史最全Java资源大全中文版整理分享
很多程序员应该记得 GitHub 上有一个 Awesome - XXX 系列的资源整理。本资源对Java相关的资源列表进行翻译和整理,内容包括:构建工具、数据库、框架、模板、安全、代码分析、日志、第三方库、书籍、Java 站点等。分享给需要的朋友。资源整理自网络,源地址:https://github.com/jobbole/awesome-java-cn内容涉及多次跳转,点击文末“阅读原文“”查看资源详情。目录内容截图...原创 2022-04-23 15:08:50 · 1013 阅读 · 0 评论 -
多目标跟踪(MOT)相关论文、课程、数据集等资源整理分享
多目标跟踪(Multiple Object Tracking or Multiple Target Tracking, MOT or MTT)主要任务是在给定视频中同时对多个感兴趣的目标进行定位,并且维持他们的ID、记录他们的轨迹。这些目标可以是路上的行人,路上的车辆,操场上的运动员,或者多组动物(鸟,蝙蝠,蚂蚁,鱼,细胞,等等),甚至是一个单目标中的不同部分。本资源整理了比较重要的多目标跟踪论文和资源,包括相关的经典论文、公开数据集,评价指标等,分享给大家。资源整理自网络,...原创 2022-04-09 12:23:29 · 428 阅读 · 0 评论 -
问答系统超大公开数据集分类整理分享-附下载地址
问答系统(Question Answering System, QA)是信息检索系统的一种高级形式,它能用准确、简洁的自然语言回答用户用自然语言提出的问题。其研究兴起的主要原因是人们对快速、准确地获取信息的需求。问答系统是人工智能和自然语言处理领域中一个倍受关注并具有广泛发展前景的研究方向。该资源整理了问答系统中常用大型公开数据集,包含问题及其答案,可用于自然语言处理任务(例如问题回答(QA))中。数据集按发布年份排序。所有资源带链接版下载:微信公众号“深度学...原创 2022-04-04 18:48:37 · 999 阅读 · 0 评论 -
斯坦福、伯克利及MIT联合打-2020年DL/RL必学造6门经典
本资源整理了6门由斯坦福大学、加州大学伯克利分校、麻省理工学院讲授的深度学习经典课程,分别是深度学习入门、深度强化学习、深度学习与计算机视觉、无监督学习、多任务与元学习、深度学习与NLP。本资源将六门课程最新的视频完整课程视频整理在一起,分享给大家。kchq:斯坦福、伯克利及MIT联合打-2020年DL/RL必学造6门经典课程-视频资源免费分享目录Introduction to Deep LearningMIT 6.S191: Introduct...原创 2022-03-26 19:36:50 · 3314 阅读 · 0 评论 -
算法岗必读中文-0天吃掉pyspark实战
pyspark 🍎 or spark-scala 🔥 ? pyspark强于分析,spark-scala强于工程。如果应用场景有非常高的性能需求,应该选择spark-scala.如果应用场景有非常多的可视化和机器学习算法需求,推荐使用pyspark,可以更好地和python中的相关库配合使用。此外spark-scala支持spark graphx图计算模块,而pyspark是不支持的。资源整理自网络,书籍获取见源地址:https://gith...原创 2022-03-20 18:07:35 · 3571 阅读 · 0 评论 -
历史最全自然语言处理测评基准分享-数据集、基准(预训练)模型、语料库、排行榜
本资源会中文自然语言处理一列具有代表性的任务,以及对应的数据集,做为测试基准的数据集。这些数据集会覆盖不同的任务、数据量、任务难度。包含了中文自然语言处理相关的任务,涉及数据集、基准(预训练)模型、语料库、排行榜,绝对值得收藏。本资源整理自网络,源地址:https://github.com/chineseGLUE/chineseGLUE中文任务基准测评(ChineseGLUE)-排行榜 Leaderboard分类任务(v1版本,正式版)注:...原创 2022-03-12 21:46:53 · 728 阅读 · 0 评论 -
Bengio-机器学习暑期研究前沿学校
课程描述机器学习暑期学校(MLSS)系列始于2002年,其动机是推广统计机器学习和推理的现代方法。举办暑期学校的动机是,尽管许多学生热衷于学习机器学习,并且越来越多的研究人员希望将机器学习方法应用于他们的研究问题,但大部分大学中很少教授机器学习课程。暑期机器学习学校提供的主题是从基础知识到最新实践的现代机器学习的核心。演讲者是各自领域的领先专家,他们对主题充满热情。kchq:Bengio-《机器学习暑期研究前沿学校》课程视频及ppt分享参会者会议首页...原创 2022-03-05 20:06:07 · 2646 阅读 · 0 评论 -
深度学习能量模型/能力学习相关论文、会议、博客资源整理分享
基于能量的模型(EBM)是生成模型(GM)的一种形式。GM通过分析样本数据集学习基础数据分布。训练后,GM可以产生其他与数据分布相匹配的数据集。EBM为许多此类学习的概率和非概率方法(尤其是图形和其他结构化模型的训练)提供了统一的框架。 EBM学习目标数据集的特征并生成相似但更大的数据集,通过检测数据集的潜在变量并生成具有相似分布的新数据集。EBM通过将未归一化的概率标量(能量)与观察变量和潜在变量组合的每种配置相关联来捕获依赖性。推论包括找到潜在变量,这些潜变量在给定一组观察值的...原创 2022-02-13 10:13:23 · 573 阅读 · 0 评论 -
因果推断 神经逻辑 强人工智能逻辑推理等前沿论文整理分享
Neural-Symbolic可以认为是将人工智能中原本对立的连接主义和符号主义结合的一个新兴研究方向(实际上最早相关工作可追至1978年)。Neural-Symbolic意指神经符号主义,但是更本质地讲,实际上是将现代数学中的分析学和代数学结合,分析学擅长处理数值、函数、逼近等问题,代数学擅长处理推演、抽象、结构等问题;因此如果能适当结合,威力必然可观。本资源整理了因果推断,神经逻辑,强人工智能逻辑推理前沿领域经典论文,分享给大家。内容涉及多次跳转,点击文末“阅读原文“...原创 2022-02-13 10:05:05 · 572 阅读 · 0 评论 -
深度学习神经网络结构设计及可视化开源工具整理分享
在训练庞大的深度神经网络,为了能够更好的理解运算过程,需要使用可视化的工具将其过程进行描述,比如,在tensorflow中使用TensorBoard 来绘制图像生成的定量指标图以及附加数据。本资源整理了深度学习神经网络结构设计或可视化相关的开源工具,分享给大家。资源整理自网络,源地址:https://github.com/ashishpatel26/Tools-to-Design-or-Visualize-Architecture-of-Neural-Network内...原创 2022-01-29 20:30:35 · 1064 阅读 · 0 评论 -
深度学习经典-神经网络与深度学习
这本书涵盖了深度学习的传统和现代的所有技术。主要关注的是深度学习的理论和算法。神经网络的理论和算法对于理解重要的概念特别重要,因此人们可以理解神经架构在不同应用中的重要设计概念。神经网络为什么工作?什么时候它们比现成的机器学习模式更有效?深度什么时候有用?为什么训练神经网络如此困难?陷阱是什么?bshq:深度学习经典书籍-《神经网络与深度学习》免费pdf分享这本书也丰富了对不同应用的讨论,以便让实践者了解神经架构是如何为不同类型的问题设计的。涵盖了与许多不同领域相...原创 2021-12-04 13:02:48 · 155 阅读 · 0 评论 -
算法岗面试必读-机器学习面试实战
本书介绍本书是许多人的集体智慧的结果,他们花了很多时间思考招聘过程。这本书是为求职者写的,但看到早期草稿的招聘经理告诉我,他们发现了解其他公司是如何招聘的,并重新思考自己的流程是有帮助的。这本书由两部分组成。第一部分概述了机器学习面试流程,有哪些类型的机器学习角色可供选择,每个角色需要哪些技能,经常问哪些类型的问题,以及如何准备。这一部分还解释了面试官的心态以及他们寻找什么样的信号。第二部分由200多个知识问题组成,每一个问题都有其难度——对更高级角色的面试应该期...原创 2021-11-20 17:25:13 · 1005 阅读 · 0 评论 -
【双语字幕】CMU-多模态机器学习
课程描述多模态机器学习(MMML)是一个充满活力的多学科研究领域,它通过集成和建模多种交流模式(包括语言、声音和视觉信息)来解决人工智能的一些基础问题。随着对视听语音识别的初步研究,以及最近对图像和视频字幕等语言和视觉项目的研究,这一研究领域给多模态研究人员带来了一些独特的挑战,因为数据具有异质性,模态之间往往存在偶然性。本课程将教授与MMML相关的基本数学概念,包括多模态对齐和融合、异构表示学习和多数据流时间建模。我们还将回顾最近描述MMML最先进的概率模型和计算算法的论文,并讨论当前和未...原创 2021-11-20 17:21:26 · 788 阅读 · 0 评论 -
学术论文写作精典-如何撰写优秀科研论文
克里斯·麦克编写的《如何写一篇好的科学论文》是所有科学和工程学专业学生和教师的论文写作相关宝贵参考资源。正如麦克博士所解释的,“许多科学家和工程师认为自己是糟糕的作家,或者发现写作过程很困难。好消息是,你不一定要成为一名有才华的作家才能写出一篇好的科学论文,但你必须成为一名细心的作家。特别是,为同行业的专业评审人员的科学或工程学杂志写作,需要使用一种专业的方式来展示科学工作成果。 bshq:学术论文写作精典-《如何撰写优秀科研论文》书籍分享本书主要讲解专业的评议人员...原创 2021-11-06 18:43:43 · 456 阅读 · 0 评论