2020-09-11 13:00:40本文最初发表在 datascience 网站，由 InfoQ 中文站翻译并分享。前 言如果你已经完成了自己的一些数据科学项目，那么现在，你可能已经意识到，达到 80% 的正确率还不错，并不是很糟糕！但在现实中， 80% 的正确率是无法达到的。事实上，在我工作过的大多数公司，都希望最低正确率至少要达到 90%（或他们正在关注的任何指标）。因此，为了显著提高你的正

选自TowardsDataScience作者：Oleksii Kharkovyna机器之心编译参与：高璇、蛋酱线性代数是 AI 专家必须掌握的知识，这已不再是个秘密。如果不掌握应用数学这个领域，你永远就只能是「门外汉」。当然，学习线性代数道阻且长。数学，尤其是线性代数常与枯燥、复杂和毫无意义的事物联系起来。不过你还可以另辟蹊径。阅读完本文后，你将了解到：线性代数的本质；线性...

2020-07-12 03:08:49本文介绍的是 ACL 2020 论文《A Reinforced Generation of Adversarial Examples for Neural Machine Translation》，论文作者来自南京大学、腾讯。作者 | 邹 威编辑 | 丛 末论文地址：https://arxiv.org/pdf/1911.03677.pdf1背景介绍对抗样本（a

“人类不应该只存在在地球上，对于这么浩瀚的宇宙来说太浪费了。”作者 | 甲小姐助理 | 沁云近日，华为“天才少年”、B站UP主稚晖君的新作自动驾驶自行车在业内刷屏。这款自动驾驶自行车不仅会直行、拐弯、避障、上路，还配备了特斯拉都没有的激光雷达，最终硬件成本不到一万。不仅有这款自动驾驶自行车，凭借着超强的动手能力和技术实力，稚晖君在网络上展现了一系列“野生钢铁侠”的惊人脑洞创作：一台外观只有硬币大小

2020-04-12 13:01:47尽可能简单地解释ML模型的工作方式如果您是数据科学的新手，那么这个标题并不是要侮辱您。 这是我的第二篇帖子，主题是一个受欢迎的面试问题，内容类似于："像我五岁那样向我解释[插入技术主题]。"事实证明，达到5岁的理解水平相当困难。 因此，尽管这篇文章可能对幼稚园学习者来说不是很清楚，但对于没有或几乎没有数据科学背景的人来说，它应该是清楚的（如果不是最后，请在评论

“人工智能（AI）与机器学习（ML）可能是执行企业日常运营任务的理想选择，但在创新性、或者说不可预见的一次性事务的处理方面，其表现仍然不尽人意。当然，我们承认企业级AI仍有很长的道路要走，而企业与IT领导者也有责任尽早启动试点并探索AI技术可能带来的诸多优势。”以上内容来自麻省理工学院未来工作特别小组近期发布的一份报告。该报告将AI技术视为席卷就业市场以及工作场所的这波广泛变革中的重要组成部分..

2020-02-06 16:24导语：从静态公平到动态公平，从短期公平到长期公平。机器学习公平性的研究真的走在正确的道路上吗？随着人工智能的发展，机器学习的技术越来越多地被应用在社会的各个领域，来帮助人们进行决策，其潜在的影响力已经变得越来越大，特别是在具有重要影响力的领域，例如刑事判决、福利评估、资源分配等。因此可以说，从社会影响层面来讲，考虑一个机器学习系统在做（有高...

导读如果人工智能是一块蛋糕，那么蛋糕的大部分是自监督学习，蛋糕上的糖衣是监督学习，蛋糕上的樱桃是强化学习。Yann Lecun在他的演讲中引入了“蛋糕类比”来说明自监督学习的重要性。虽然这个类比是有争论的，但我们也已经看到了自监督学习的影响，在自然语言处理领域最新发展(Word2Vec，Glove, ELMO, BERT)中，已经接受了自监督，并取得了最佳的成果。“如果人工智能是一块蛋...

作者 | Mr Bear编辑 | 青暮前不久，帝国理工学院教授、Twitter 首席科学家 Michael Bronstein 发表了一篇长达160页的论文，试图从对称性和不变性的视角从几何上统一CNNs、GNNs、LSTMs、Transformers等典型架构，构建深度学习的“爱尔兰根纲领”。AI科技评论曾报道过对Michael Bronstein论文的精彩介绍，本文内容是他通过视频演讲的方式对

由于保密以及DNA等原因，特斯拉公开的paper和技术细节资料都挺少的。难得的，特斯拉AI部门老大Andrej Karpathy 在PyTorch Devcon 19 上做了一个技术演讲，包括AutoPilot 和Smart Summon等，本文是对这个演讲的详细剖析，可以一窥这个全球市值最高的汽车科技公司的内部AI技术栈。也可以看到学术界和工业界的gap有多大，比如课程上1个YOLO搞定的事情，