12 月 20 日，Linux 基金会旗下 AI 领域顶级基金会——LF AI 基金会正式宣布，腾讯开源项目 Angel 从 LF AI 基金会毕业，这是中国首个从 LF AI 基金会毕业的开源项目。这意味着，Angel 得到全球技术专家的认可，成为世界最

一个普通的深度学习模型动不动就需要十万、百万级的数据，但即使投喂了这么多数据，一个自动驾驶系统也很容易被一张贴纸攻破……2019 年，我们看到深度学习受到越来越多的质疑，Gary Marcus 等批评者甚至认为，「深度学习不起作用」。2018 图灵奖获得者

介绍之前曾经写过一篇文章，讲了一些深度学习训练的技巧，其中包含了部分调参心得：深度学习训练心得 [1]。不过由于一般深度学习实验，相比普通机器学习任务，时间较长，因此调参技巧就显得尤为重要。同时个人实践中，又有一些新的调参心得，因此这里单独写一篇文章，谈一

根据要进行的机器学习的类型，有许多度量标准可以衡量机器学习模型的性能。在本文中，我们研究了分类和回归模型的性能指标，并讨论了优化效果更好的指标。有时，要看的指标会根据最初要解决的问题而有所不同。这只是预测肯定类别的准确性。由于使用了响应变量的自然单位，因此

作为专业的全球人工智能信息服务平台，机器之心拥有大量活跃于人工智能学术领域的顶级学者，也有大量正在攻读 AI 专业的学生。去年，机器之心发布了第一季招收硕士/博士/博士后的文章，为广大读者们传递了海内外招生的教授与实验室信息，引起了不错的反响。希望这些消息

当初学习机器学习算法的时候，接触到了梯度下降的方法，它经常作为训练器的训练算法，因为梯度反方向是局部下降最快的，很容易收敛。应注意的是，很多人认为梯度反方向是下降最快的，这种说法和理解是片面的，不准确的，它只是局部最快，而不是全局最快，因此我们可以观察到，

人力招聘过程时间长，复杂度高，但可以简化为四个关键词：搜索，筛选，面试和招聘。然而，今天庞大的全球劳动力和便捷的在线申请系统已经在招聘过程的筛选部分上留下了污点。每个公司职位空缺平均收到250份简历 - 这个数字还在不断增加 - 需要一位经验丰富的招聘人员

这是由两部分组成的系列文章的第2部分。请参阅第1部分了解胸部x线分割的挑战和临床应用，以及医学成像为何迫切需要人工智能来扩展。设计解决方案考虑到使用CXR的挑战，我们首先设计了基于完全卷积网络的分割模型。模型中参数总数为271k，比基于VGG的分割模型小5

大家知道，深度学习的发展和推进，在某种程度上也是一场框架的争夺战，其中 Google 发布的 TensorFlow 和 Facebook 主力支持的 PyTorch 是最耀眼的两颗明星。我们今天就来看看其中一位明星 PyTorch，看看它为何值得学。根据官

如果要问最近 AI 领域的热点是什么，「图网络」肯定名列其中。最近，一些科技巨头和研究机构已经推出了图神经网络框架，其中张峥教授等人提出的 DGL 非常引人注目。张峥教授自去年 9 月任 AWS 上海 AI 研究院院长，他也是上海纽约大学计算机系终身教授，

不读博是不可能的......无论是即将开始，还是回顾过去，两年时间里机器之心发布过多篇「博士生涯」文章。博士的光环既令人羡慕，也令人望而却步。但既然点开了这篇文章，就表示你的心底依然渴望人生经历一段博士旅程。为了更好的服务读者，机器之心整理了四所高校实验室

选自Google Cloud，作者：Kaz Sato，机器之心编译，参与：思源、刘晓坤。很多读者可能分不清楚 CPU、GPU 和 TPU 之间的区别，因此 Google Cloud 将在这篇博客中简要介绍它们之间的区别，并讨论为什么 TPU 能加速深度学习

受到 Judea Pearl 近期采访的启发，Ferenc Huszár 发表博客，从观察和干预数据分布的区别和联系出发，阐述了他对因果推理在机器学习中的意义的看法。他指出因果推理是深度学习的必要补充，而不是作为其对立面，必须在两者中取其一舍其一。你可能已

机器学习的构建和部署通常需要非常多的工作与努力，这对于软件开发者和入门者造成了很多困难。本文介绍了如何使用软件库 Lore 快速而高效地构建机器学习模型，并从数据预处理到模型部署等七个步骤介绍构建的经验。为了解决这些问题，我们标准化了 Lore 中的机器学

20世纪30年代，奥地利数学家Kurt Gdel向世人证明，集合论中的“连续统假设”既无法被证明，也无法被证伪。自此，这一悖论如乌云般笼罩于数学界，并给数学的根基带了革命性的改变。这一研究的最新结果已被发表于1月7日的Nature Machine Inte

运筹学的历史比 AI 和机器学习更悠久，但 AI 与机器学习又为它提供了一种机会，很多顶层的东西都是要靠优化，不管是学习还是刚才讲到的决策问题，都要有 OR (运筹学)的结合。近些年，随着数据量大幅度攀升等科技环境的变化，运筹学得以快速发展，并广泛应用于零

今天我想分享一个关于机器学习的主题，一方面，注重研究，逐步走向更像人类的推理或机器学习算法，另一方面，我们从基础知识中熟知机器学习，但实际上它很少被解释。因此，今天我会就此进行详细的阐述。它被称为多任务学习，（几乎）与多任务处理无关，如上图所示。而且，最重

在谷歌提交热点论文《Attention Is All You Need》和《One Model To Learn Them All》不久之后，这家公司很快就发布了最新研究的模型和训练集。昨天，谷歌发布了一个名为 Tensor2Tensor的 TensorF

数据科学和机器学习几乎可以改善组织的任何方面的业务，但其前提是企业的想法得到了实施。在过去的一年里，我们学到了很多关于更快地构建和部署机器学习模型的知识，我们希望分享一些我们在这里学到的东西。因此，我们构建了一条用于构建、测试和部署数据产品的装配线，我们将

如今，机器学习从业者普遍认为，机器学习既是一门艺术，也是一门科学。以下来我们看看是否可以通过对机器学习理解来奠定基础？也就是实际构成机器学习问题的基础。所有机器学习问题基础的基本假设是存在一种模式。这是机器学习的全部关键：如果有一些无法直接观察到的模式，那