近日，机器学习资源网站 Papers with Code 宣布正式并入 Facebook AI。Papers with Code 创立仅一年多，凭借着丰富的开放资源和卓越的社区服务，已成为机器学习研究者中最常用的资源网站之一。Papers with Cod

TensorFlow.js 使我们能够在浏览器中构建机器学习和深度学习模型，而无需任何复杂的安装步骤。TensorFlow.js的两个组件——Core API和Layer API。了解如何构建一个很棒的使用Tensorflow.js对网络摄像头中的图像进行

特征组合是提高模型效果的重要手段，但依靠专家手动探索和试错成本过高且过于繁琐。于是，第四范式提出了一种新型特征组合方法 AutoCross，该方法可在实际应用中自动实现表数据的特征组合，提高机器学习算法的预测能力，并提升效率和有效性。目前，该论文已被数据挖

去年十二月，一本名为《TheHundred-Page Machine LearningBook》的机器学习教程迅速走火，它由Gartner公司机器学习团队负责人、人工智能博士AndriyBurkov撰写，这本书如标题所言，去除封面目录才128页，但是却包含

自深度学习崛起以来，AI 芯片成为了科技领域的一大热点。作为该领域的独角兽，寒武纪科技一直受到海内外的极大关注。最新一期的 INTERFACE 线下技术分享，我们邀请到了寒武纪研究院院长杜子东博士，他将为我们介绍寒武纪最新提出的分形冯诺依曼机器学习计算机。

选自phys.org，作者：University of Houston，机器之心编译。来自休斯顿大学的研究者设计了一种新型机器学习算法，可在一台个人计算机上运行，并高效预测超过 10 万种合成物的性质，以搜索用于 LED 照明的最优荧光粉。10 月 22

在瑞典斯德哥尔摩国际会展中心举行的国际机器学习大会 受到全世界科技界的关注。来自国内人工智能企业队代表第四范式的姚权铭与来自香港科技大学的研究者提出的「Online Convolutional Sparse Coding with Sample-Depe

近日，谷歌在 Google I/O 发布了 ML Kit，其核心功能之一是「Learn2Compress」技术支持的自动模型压缩服务。Learn2Compress 可直接将 TensorFlow 模型压缩为 TensorFlow Lite 中的设备内置模型

近日，阿里开放了一本描述强化学习在实践中应用的书籍《强化学习在阿里的技术演进与业务创新》，这本书重点描述了阿里巴巴在推动强化学习输出产品及商业化的实践过程。在探讨阿里的强化学习实践书籍前，我们需要明确几个基本概念。除了上述所述基于强化学习的实时搜索排序，阿

由于难以理解，深度学习经常被称为黑箱。有鉴于此，Neosapience 开发了开源工具包 Darkon，它可以更好地理解深度学习模型，进而调试故障，解释决策等等。目前 Darkon 适用于所有 Tensorflow 模型。但是，可解释性与可控性是深度学习模

面对记者，NIPS 大会传达了很明确的信息——请不要妖魔化机器学习。美国时间周二，七位正襟危坐的学者，和来自美国各大主流报媒的记者，组成了 NIPS 有史以来的第一次记者发布会。机器学习没有魔法，目前的机器学习也没有产生革命性的影响，这是大会主席 Isab

本文介绍了三种不同的卷积神经网络在单图像超分辨率集上的实际应用及其表现对比，同时也探讨了其局限性和未来发展方向。单图像超分辨率技术涉及到增加小图像的大小，同时尽可能地防止其质量下降。这一技术有着广泛用途，包括卫星和航天图像分析、医疗图像处理、压缩图像／视频

2017 年 5 月，清华大学朱军教授在机器之心 GMIS 2017 大会现场详解了他们开发的贝叶斯深度学习 GPU 库珠算。近日，清华大学公开了珠算相关论文，机器之心对此此论文进行了摘要介绍。研究者可以利用珠算强大的拟合能力和多 GPU 训练进行深度学习

近日，Insight AI 发布了一篇题为《Transitioning from Software Engineering to Artificial Intelligence》的文章，提出一名软件工程师如果打算转行做人工智能，需要掌握这 5 项技能：统计

日前，CVPR 2017获奖论文公布，其中一篇最佳论文为康奈尔大学、清华大学、Facebook FAIR 实验室合著的《Densely Connected Convolutional Networks》。在这篇文章中，Momenta 高级研发工程师胡杰对这

11月27日，人工智能整体解决方案企业Aibee，正式对外宣布已完成A轮6000万美元融资。成立短短1年，Aibee总融资金额已达1亿美金，融资金额、速度均位居AI创企前列。公布融资消息同一时间，Aibee正式对外宣布，前阿里达摩院决策智能实验室负责人朱胜

深度学习往往需要大量数据，不然就会出现过度拟合，本文作者提出了一些在文本数据量不够大的时候可用的一些实用方法，从而赋予小数据集以价值。几个月前，我致力于解决一个文本分类问题，关键在于判断哪些新闻文章与我的客户相关。深度学习模型在需要深入理解文本语义的复杂任

而在硬件配置上，大家都在谈论GPU的重要性。不可置否，GPU是掀起深度学习热潮的主要力量，也是开展该领域工作所必不可少的硬件设备。不幸的是，人们往往把CPU、RAM、主板、存储和机箱的选择统统推到了一边。这种唯GPU论的做法，对于深度学习来说也不算太坏，但

将机器学习的方法推广到新问题仍然存在着不小的挑战，其中最严峻的问题之一，就是人工提取特征的复杂性和高时间耗费性，本文就将带你了解自动化特征提取方法。数据是由相关变量组成的，一般称为“特征”。对数字特征进行提取的过程，我们称之为“特征工程”。自动化特征工程能

让智能体学会合作一直以来都是人工智能领域内的一项重要研究课题，一些研究者也认为合作能力是实现通用人工智能的必要条件。而除了合作，让智能体学会竞争可能也是实现这一目标的一大关键。近日，OpenAI、麦吉尔大学和加州大学伯克利分校的几位研究者提出了一种「用于合