人工智能
Ideas
-
2020年技术领导人需要关注的5大关键领域
O’Reilly online learning平台上有很多关键信息，涉及到技术领导者需要关注的趋势和问题。这也是我们年度使用率研究的数据来...
-
碰到语音数据了吗？这些指导意见将帮助你开始构建语音应用
随着企业开始进行人工智能技术的探索，三个特定的领域引起了很多关注：计算机视觉、自然语言应用和语音技术。世界知识产权局...
-
RISELab的AutoPandas暗示着自动化技术将改变软件开发的性质
关于人工智能有很多的炒作，但企业是否真地开始使用人工智能技术了？我们在今年早些时候发布的一项调查中发现，就职于企业的...
-
一张图表明：研究人员喜爱PyTorch和TensorFlow
在近期我们进行了一项调查——企业里的人工智能，收到了超过1300份的回复。我们发现几个机器学习的库和框架被广泛地使用。超过...
-
已改进的工具生态系统正在助推人工智能落地
在这篇文章中我分享了Roger Chen和我在2019年人工智能大会纽约站上发表的主题演讲中的幻灯片和备注。在这个简短的总结中，我...
-
AI和机器学习如何改善客户体验
人工智能（AI）和机器学习（ML）可以做些什么来改善客户体验？ 自从网上购物诞生以来，AI和ML就已经和在线购物系统紧密结合了...
-
开源NLP（自然语言处理）库的功能对比
开源NLP库 在开发和生产中，最受欢迎的NLP库列表如下： Spark NLP spaCy NLTK OpenNLP Stanford CoreNLP 显然，NLP领域还有...
-
三项关于人工智能受接纳程度的调查，揭示了来自成熟实践的重要建议
最近O’Reilly Media 发表了一份基于行业调查的报告，《企业对于AI的使用：企业如何在实践中对人工智能项目进行规划并提...
-
在建立机器学习应用后，需要确保它足够安全
在最近的一篇文章中我们描述了构建可持续的机器学习实践需要做些什么。 “可持续”一词是指那些不仅仅停留于POC（概念证明）或...
-
将深度学习添加到时间序列工具包的3个理由
在许多行业中，准确预测未来序列的能力至关重要：财务，供应链和制造只是其中的几个例子。 几十年来，经典的时间序列技术已经...
-
Ray的进化和应用的扩展
在之前的一篇博文里我介绍了在首次Ray聚会里出现的一些早期Ray的应用场景。Ray是由加州大学伯克利分校的RISE实验室开发的一个...
-
我们雷达上的9种AI趋势
以下是企业领导者和从业者应该在提前几个月关注的关键人工智能趋势。 我们将开始看到技术可以实现大量任务的部分自动化。 自...
-
什么是神经网络架构搜索？
深度学习提供了这样一种承诺：它可以绕过手动特征工程的流程，通过端对端的方式联合学习中间表征与统计模型。 然而，神经网络...
-
评估自动化技术的进展
在这篇文章中，我分享了Roger Chen和我在2018年10月伦敦人工智能会议上发表的主题演讲中的幻灯片和笔记。我们概述了自动化技...
-
对于软件研发而言机器学习意味着什么
机器学习有望从根本上改变软件开发的本质，这也许是自FORTRAN和LISP被发明以来的第一次。 它对我们几十年来的编程范式提出了...
-
计算机看到了什么？
在过去十年左右的时间里，主要源于深度学习的进展，计算机视觉取得了巨大的进步。不仅是因为我们有了更新和更好的算法，数码...
-
来自首次Ray聚会的记录
由于大量的标记数据集、面向数据科学家的语言（R、Julia、Python）、诸如scikit-learn、PyTorch、TensorFlow等的框架以及用于...
-
企业里的下一代人工智能助手
TL;DR：聊天机器人是迈向自动化组织的第一步，这些自动化组织的运营活动主要由许多不同的人工智能助手实现的。类似于自动驾驶...
-
如何思索人工智能、机器学习技术以及它们在自动化过程中所扮演角色
在本博文里我来分享Roger Chen和我在2018年5月份举办的人工智能纽约大会上的幻灯片和注释。很多企业已经开始探索机器学习和人...
-
走向机器学习的喷气时代
今天的机器学习领域就像航空业的早期。1903年莱特兄弟的惊天一飞迎来了航空业的先锋时代。之后的十年之内，人们普遍认为动力...
-
为明天的人工智能应用构建工具
在过去几年中人工智能（AI）和深度学习（DL）几乎是同义词了。我们已经看到AlphaGo作为深度学习的一个案例被各种吹捧。我们也...
-
用Apache MXNet构建一个循环神经网络
在之前的教程里，我们使用一种叫卷积神经网络（CNN）的深度学习技术来对文本和图片进行分类。尽管CNN是一种强大的技术，但它...
-
AI Conference Beijing 2018（人工智能北京大会）亮点系列之四
语言技术方式的融合 凭借今天的设备用户界面技术以及先进机器学习及深度学习模型的出现，输入输入方式在很多不同方面正在融合...
-
AI Conference Beijing 2018（人工智能北京大会）亮点系列之三
我们接着给出一些人工智能北京会议亮点及主题演讲的完整视频。 使用深度增强学习的智能工业系统 增强学习是解决动态变化和需...
-
人工智能的构建模块：鸡蛋、鸡和培根
当我在世界经济论坛上阅读文章《这就是为什么中国在人工智能方面具有优势》时，让我感到震惊的不是中国在人工智能方面是否有...
-
AI Conference Beijing 2018（人工智能北京大会）亮点系列之二
最近结束的北京大会内容丰富，议题探索人工智能在企业、商业和社会中的应用，探索如何实施人工智能项目以及与人工智能的交互...
-
神经网络如何学习分布式的表示
分布式表示的概念是深度学习的核心，特别是在它用于自然语言任务时。那些刚刚进入这个领域的人可能会很快将它简单理解为代表...
-
AI Conference Beijing 2018（人工智能北京大会）亮点系列之一
刚刚结束的人工智能北京大会独特之处在于将重点放在应用人工智能——弥合人工智能研究领域与产业商业应用之间的差距。只有本次...
-
企业里的深度学习
深度学习是受到人类大脑启发而产生的机器学习（ML）算法的一种。这些算法也被称为神经网络，它们特别擅长从嘈杂的数据和曾经...
-
使用Apache MXNet进行异常检测
近年来，『异常检测』这一术语（有时也称作离群点检测）越来越多地出现在互联网和会议演示中，尽管这不是一个新的话题了。 有...
-
用于语言任务的卷积神经网络
在处理序列数据（如自然语言处理任务）这类问题时，递归神经网络（RNN）通常是首选方法。 尽管RNN的时间序列性质与文本数据相...
-
使用TensorFlow的层来构建深度学习神经网络
深度学习已经在许多领域（例如计算机视觉、自然语言处理、文本翻译或语音到文本等）证明了其有效性。它的名字来源于大量用于...
-
使用Apache MXNet进行商标检测
数字营销是指在数字平台上推广服务和产品。广告技术（通常简写为“ad tech”）是指供应商、品牌及其代理机构使用数字技术来定位...
-
RLlib简介：一个可组合和可扩展的强化学习计算库
在之前的文章中，我概述了强化学习（RL）在工业中的新兴应用。我首先列举了任何想要应用RL的人面临的挑战，包括对大量数据的...
-
胶囊网络简介
胶囊网络（CapsNet）是一种新的热门的神经网络架构。它可能对深度学习带来深远的影响，特别是对计算机视觉领域。等一下！计算...
-
利用TensorFlow对复杂目标进行强化学习
强化学习(RL)是关于训练智能体来完成一些任务。一般认为这能够达成某个目标，例如，我们可能想要训练机器人来打开一扇门。强...
-
强化学习在业界的实际应用
大量关于AlphaGo Zero（DeepMind最新版的围棋人工智能系统）新闻头条的出现意味着对于强化学习（RL）的兴趣必定会增加。强化...
-
利用TensorFlow进行强化学习
深入强化学习可能是一个难以掌握的领域。 在人们试图学习如何解决强化学习问题时，很难在海量的缩略词和机器学习模型间找到一...
-
在Kubernetes上使用GPU加速版TensorFlow
许多使用了TensorFlow的工作流，需要在图像或视频数据上用GPU来有效地训练模型。 然而，这些工作流同时也包含多个阶段的数去...
-
2018年的5个人工智能趋势
在2018年人工智能会有什么进展？下面是我们观察到的。 期待机器学习在方法、理解和教育方面会取得实质性的进展 如同在过去的...
-
分布式TensorFlow
2017年6月8日分布式深度学习的时代开始了。 在这一天，Facebook发表了一篇论文，展示了他们使用32台服务器上的256块GPU，将卷...
-
开放性：你可能没听说过的终极大挑战
人工智能（Artificial Intelligence, AI）是计算机科学中的巨大挑战。人们投入了毕生的精力和大量美元，去加速对AI领域发展的...
-
人工智能计算栈
在计算领域一种巨大的范式迁移正在缓缓向我们走来，在历史上仅有其他两个时刻具有可比性。 第一个时刻是计算的『桌面时代』，...
-
使用Apache MXNet进行情感分析
情感分析是数据科学界里一个常见的任务。一个企业可能想监控它的产品在Twitter或是Facebook上被提及的次数，从而能主动察觉（...
-
对人工智能技术接纳程度的现状
人工智能（Artificial Intelligence, AI）在近期引起了很多媒体的关注，许多公司都在急于弄清AI技术将会对他们造成何种影响。...
-
可视化卷积神经网络
如果使用TensorFlow的所有较高级别的工具，例如tf.contrib.learn和Keras，你可以轻松地使用非常少量的代码来构建卷积神经网络...
-
用TensorFlow开发问答系统
一个问答系统是被设计用来回答用自然语言提出的问题的系统。一些问答系统从诸如文本和图片这样的“源”里获得信息来回答特定的...
-
将学习速率可视化来优化神经网络
学习速率是随着时间的推移神经网络里信息积累的速度。学习速率决定了神经网络达到（以及是否能达到）所需特定输出的最佳、最...
