机器学习的前沿发展与应用分享

疫情爆发近四个月的时间，我们的生活习惯也在不知不觉发生了变化。

从出入都要出示的健康码，到居家隔离的线上购物、办公等等。互联网已经融入了我们的生活，而这一切都与计算机科学的发展有着密不可分的关系。

但是如今在计算机科学的许许多多分支中，最热门也最前沿的科研及应用成果是在“机器学习”这个领域：

我们生活中最常见的机器学习的应用，就是各种社交、购物软件所使用的推荐系统。

来源：《Behavior Sequence Transformer for E-commerce Recommendation in Alibaba》

算法工程师通过搭建虚拟神经网络（RNN或LSTM），输入我们平时关注的内容所产生的数据，从而推荐相似标签的内容。

最近很多算法工程师发现，比起用标签来推荐内容，有一种更高效准确的方法是通过数据匹配兴趣相同的用户，然后将这类用户浏览的内容相互推荐。

另一个应用是前段时间备受争议的CNN算法的应用 - 人脸识别学生上课是否认真听课。

这项应用也引发了业内对于人工智能与伦理道德的讨论。

除去这些日常生活中出现的，其实很多机器学习的科研工作者也发明了很多有趣的应用模型，可能也会在某天改变我们的生活方式。

Unity开发者Samuel Arzt使用Unity的ML-Agents框架进行了仿真训练，让AI学会了在3D物理模拟中将汽车泊进停车场中正确的位置。

Open AI 也研发出了通过强化学习（Reinforcement Learning）可以用一只手完成魔方的机器人臂。

而近几年，计算机科学，尤其是机器学习方向的申请要求，由于申请人数越来越多而逐渐提高。

牛津大学招生要求

首先，你需要具备足够的成绩硬实力:

顶尖的大学给出了GPA不低于3.7的超高要求，大部分好的学校也要求GPA不低于3.5。

除此之外，你还要具备“科研”软实力：

虽然学校对计算机科学背景没有强制要求，但招生时会优先考虑自学过相关课程，或参与过相关科研项目的申请者。

在科研项目经历中，你会体现出你的数学与编程能力、科研能力、团队协作能力，也会让学校了解到你对这门课程的理解与对自己未来研究方向的规划。

如果你也想要在机器学习这个分支做更加深入的研究；

如果你还在犹豫如何选择自己未来的研究方向；

如果你想要了解计算机科学及机器学习未来的应用及就业方向，

那么重点来了：

4月21号周二晚八点，盐趣邀请到佐治亚理工学院机器博士、前顺丰速运机器学习与人工智能工程师张鸣鹤老师，与大家做一场福利讲座。在讲座中，张老师将会分享机器学习领域的前沿科研成果，热门的科研及应用方向以及各种应用背后的算法原理。

除此之外，张老师也会与大家分享关于机器学习领域的学习经验、申请方法以及未来的就业方向上的建议。

讲座还设有专属问答环节，可以直接与导师在线交流，询问自己最好奇的问题。

相信张老师可以很好的为大家解答。（下滑）

宅在家，不如一起来听讲座

扫描下方海报二维码添加盐趣小助手 

备注“CS”，即可报名参与讲座