• 相关博文
  • 最新资讯
加载中...
  • 26个AI学习资源送给你!

    免费的在线学习课程一直是大多数人学习 AI 知识和技能的方式之一。今天,基于 Github 上一位小姐姐 Chip Huyen 分享的 10 门机器学习课程,AI科技大本营将这份收藏大礼包进行了豪华版升级,容量是原来的 2.5 倍,更重要的是,我们还收集了国内的中文优质课程,相信大家一定会喜欢。

    2019.08.08
  • 技术新贵:RPA与NLP技术的结合与应用

    RPA 可以替我们工作吗?究竟什么是 RPA?RPA 存在的意义在哪里?RPA 带给开发者的机会又有哪些?

    2019.08.08 0
  • BERT的成功是否依赖于虚假相关的统计线索?

    本文介绍论文Probing Neural Network Comprehension of Natural Language Arguments,讨论BERT在ACRT任务下的成绩是否依赖虚假的统计线索,同时分享一些个人对目前机器学习尤其是自然语言理解的看法。

  • 新一届最强预训练模型上榜,出于BERT而胜于BERT

    预训练方法设计有不同的训练目标,包括语言建模、机器翻译以及遮蔽语言建模等。最近发表的许多论文都使用了微调模型,并预先训练了一些遮蔽语言模型的变体。然而,还有一些较新的方法是通过对多任务微调提高性能,结合实体嵌入,跨度预测和自回归预训练的多种变体。它们通常在更大数据上训练更大的模型来提高性能。本文的目标是通过复制、简化和更好地微调训练BERT,以作为更好理解上述方法的相对性能的参考值。 

    2019.08.05 0
  • GitHub Star数最高的5大机器学习项目,你都了解吗?

    机器学习正在飞速发展,不少高质量的机器学习项目都发布在 Github 上,本文列举了 Github 上获赞最高的 5 个机器学习项目,相信会让大家有所收获。

    2019.08.01 0
  • 数十篇推荐系统论文被批无法复现:源码、数据集均缺失,性能难达预期

    来自意大利米兰理工大学的 Maurizio 团队近日发表了一篇极具批判性的文章,剑指推荐系统领域的其他数十篇论文,指出这些论文中基于深度学习的推荐算法大部分都存在不同程度的数据集缺失和源码缺失,导致它们无法复现,而那些可复现的算法,其性能也难以达到预期,甚至难以超越基于传统的、简单的机器学习推荐算法。

  • 抢程序员饭碗?自动写代码的Deep TabNine真如此神奇?

    在过去的一年中,AI 生成书面文字的能力大大提高。通过扫描庞大的文本数据集,机器学习软件可以生成从短篇小说到歌词的各种令人信服的样本。现在,一个名为 Deep TabNine 的新程序,可以将相同的技术应用于编码世界。这个程序一经F推出便好评如潮,大有抢了程序员饭碗的架势。这个程序是否真有这么好用?我们来一探究竟。

  • 数十篇推荐系统论文被批无法复现:源码、数据集均缺失,性能难达预期

    来自意大利米兰理工大学的 Maurizio 团队近日发表了一篇极具批判性的文章,剑指推荐系统领域的其他数十篇论文,指出这些论文中基于深度学习的推荐算法大部分都存在不同程度的数据集缺失和源码缺失,导致它们无法复现,而那些可复现的算法,其性能也难以达到预期,甚至难以超越基于传统的、简单的机器学习推荐算法。

  • 陈天奇:机器学习科研的十年

    十年前,MSRA的夏天,刚开始尝试机器学习研究的我面对科研巨大的不确定性,感到最多的是困惑和迷茫。十年之后,即将跨出下一步的时候,未来依然是如此不确定,但是期待又更多了一些。这其中的变化也带着这十年经历的影子。

    2019.07.23 0
  • 什么限制了GNN的能力?首篇探究GNN普适性与局限性的论文出炉!

    GNN是目前机器学习领域的热门网络之一,肯多研究与技术分享相比不可知的深度学习网络模型,GNN 有哪些吸引我们的优势及硬核实力。然而,GNN 是完美的吗?有什么缺点?在何种情况下,GNN 是无法发挥其能力的?近日,在 arXiv 上发布了一篇论文,专门研究探讨了 GNN 在普适性与学习局限性等问题。

    2019.07.17 0
  • 旷视推出鼻纹识别,用AI寻找丢失宠物

    基于AI原理,训练出可应用于其他生物识别的算法,或将为市场带来崭新的生机。例如,构建机器学习算法来自动识别图片或视频素材中的动物特征,从而实现对动物身份的识别。目前,作为生物识别之一的猪脸识别已经被应用于养殖、食品等行业,许多公司也纷纷对其他类型的动物识别做出尝试。近日,旷视科技就推出了鼻纹识别技术,用 AI 来帮助人们寻找都是的宠物。

    2019.07.12 0
  • 一览微软在机器阅读理解、推荐系统、人机对话等最新研究进展 | ACL 2019

    ACL 2019将于7月28日至8月2日在意大利佛罗伦萨举行。在本届大会的录取论文中,共有25篇来自微软亚洲研究院和微软(亚洲)互联网工程院。内容涵盖文本摘要、机器阅读理解、推荐系统、视频理解、语义解析、机器翻译、人机对话等多个热门领域。本文将为大家介绍来自不同领域中有代表性的8篇论文。

  • 真正的博士是如何参加AAAI, ICML, ICLR等AI顶会的?

    在刚刚过去的ICML 大会上,来自布朗大学计算机科学的博士生详细整理了一份87页的ICML大会笔记,包括Tutorials, Main Conference, Workshops的会议内容和论文干货,并进行公开分享,随后学术界的朋友们开始转发收藏。

  • 拍照技术烂?实时在线AI构图模型VPN,让你变身摄影大神!

    本文作者的一篇基于百万级图片训练出来的深度学习模型 View Proposal Network(VPN)来帮助构图的论文在 ACM CHI 上获最佳论文提名奖,作者从思路上回忆了自己产出这篇论文的过程,更多描述了其使用计算机视觉和机器学习等相关方法,完成一个以用户为中心的人机交互(HCI)领域的科研成果的形成过程。

    2019.06.17 0
  • PyTorch Hub发布获Yann LeCun强推!一行代码调用经典模型

    6月11日,Facebook PyTorch 团队推出了全新 API PyTorch Hub,提供模型的基本构建模块,用于提高机器学习研究的模型复现性。PyTorch Hub 包含一个经过预训练的模型库,内置对Colab的支持,而且能够与Papers With Code 集成。另外重要的一点是,它的整个工作流程大大简化。

    2019.06.12 0
  • “篡改”视频脚本,让特朗普轻松“变脸”?AI Deepfake再升级

    在最新的深度技术突破中,研究人员展示了一种新方法,该方法使用机器学习技术让用户编辑视频文本内容,来添加、删除或更改视频人物中的话语。

    2019.06.12 0
  • Python手写机器学习最简单的KNN算法

    目前网上大多这类教程对新手都不友好,要么直接调用Sklearn包,要么满篇抽象枯燥的算法公式文字,看这些教程你很难入门,而真正适合入门的手写 Python 代码教程寥寥无几。最近看了慕课网 bobo 老师的机器学习课程后,大呼过瘾,最好的机器学习教程没有之一。我打算以他的教程为基础并结合自己的理解,从零开始更新机器学习系列推文。

  • 速度提升270倍!微软和浙大联合推出全新语音合成系统FastSpeech

    目前,基于神经网络的端到端文本到语音合成技术发展迅速,但仍面临不少问题——合成速度慢、稳定性差、可控性缺乏等。为此,微软亚洲研究院机器学习组和微软(亚洲)互联网工程院语音团队联合浙江大学提出了一种基于Transformer的新型前馈网络FastSpeech,兼具快速、鲁棒、可控等特点。与自回归的Transformer TTS相比,FastSpeech将梅尔谱的生成速度提高了近270倍,将端到端语音合成速度提高了38倍,单GPU上的语音合成速度达到了实时语音速度的30倍。

    2019.06.05 0
  • 推荐系统遇上深度学习,9篇阿里推荐论文汇总!

    本文主要简单介绍一下论文中提出的模型的内容,以及为什么要这么做。至于详细的内容,可以通过给出的文章链接以及论文进行进一步的学习。

  • B站超全分享!2万人收藏的免费计算机科学速成课

    共40个热门计算机课程,内容包含计算机早期历史、中央处理器、编程原理、计算机安全还有机器学习与人工智能技术等分类。这个课程讲解了计算机技术的发展沿革,涵盖的知识点非常广,内容也非常精简干练,循序渐进,深入浅出。

每页显示 共56条数据 < 1 2 3 >      到第 GO

关于我们

关注「AI科技大本营」​

转载 & 投稿(微信):1092722531

商务合作(微信):15222814505