- 相关博文
- 最新资讯
-
芯片前端设计面经笔经总结总结起来，面试问的主要是项目+基础，不同公司侧重需求可能不同，基础主要靠看书总结，项目就老老实实把教研室项目吃透，是没有什么问题的。前期准备侧重学习了跨时钟域、低功耗的方法（未深入，后期继续学习）、时序分析等基础。参照模板写了简历初稿，并找到自己的亮点突出显示。然后提炼了项目的亮点和难点，总结出自己的自我介绍。下面，以自己秋招顺序，记录一下各个公司的一些面试过程...
-
- qq_41071933
- 昨天
-
-
信息安全专业大三学习之路专业基础课C语言数据结构计算机网络计算机组成原理数据库操作系统密码学语言类PythonJavaCTF学习几个方向边刷题边学习尽量接触其他大学的CTF比赛学业大创数据挖掘安全类或者计算机视觉LeetCode学习如何为自己未来做规划关于是否考研暂定就业方向Web安全工程师这是本人的对自己这一年的规划接下来会对各个计划...
-
- kitescat666
- 前天
-
-
刘群：华为诺亚方舟NLP预训练模型工作的研究与应用 | AI ProCon 2019
预训练语言模型对自然语言处理领域产生了非常大的影响，在近期由CSDN主办的 AI ProCon 2019 上，自然语言处理技术专题邀请到了华为诺亚方舟实验首席科学家刘群分享了华为诺亚方舟实验室在预训练语言模型研究与应用。他从以下三个方面介绍了他们的工作：一是刚发布的中文预训练语言模型——哪吒；二是实体增强预训练语言模型——ERINE；三是预训练语言模型——乐府。
-
这是自然语言处理业界中长久以来悬而未决的一个命题——如何合理地表示语言的内在意义？对大规模语料的暴力拟合是不是真的能让模型理解语言的语义呢？
-
自然语言处理的发展进化带来了新的热潮与研究问题，研究者们在许多不同的任务中推动机器推理（Machine Reasoning）能力的提升。基于一系列领先的科研成果，微软亚洲研究院自然语言计算组将陆续推出一组文章，介绍机器推理在常识问答、事实检测、自然语言推理、视觉常识推理、视觉问答、文档级问答、多轮语义分析和问答等任务上的最新方法和进展。
-
在之前写过的《NLP的游戏规则从此改写？从word2vec, ELMo到BERT》一文中，介绍了从word2vec到ELMo再到BERT的发展路径。而在BERT出现之后的这大半年的时间里，模型预训练的方法又被Google、Facebook、微软、百度、OpenAI等极少数几个玩得起游戏的核心玩家反复迭代了若干版，一次次的刷新我们这些吃瓜群众的案板上的瓜。
-
大家通常基于 NLP 相关的深度学习框架编写自己的模型，如 OpenNMT、ParlAI 和 AllenNLP 等。借助这些框架，三两下就可以实现一个 NLP 相关基础任务的训练和预测。但是当我们需要对基础任务进行改动时，又被代码封装束缚，举步维艰。因此，本文主要针对于如何使用框架实现自定义模型，帮助大家快速了解框架的使用方法。
-
读完ACL 2019录取的30篇知识图谱论文，我发现了这5点趋势
近年来，自然语言处理领域中广泛应用的知识图谱（KGs）正在不断地吸引人们的目光，此次 ACL 2019 中的有关于知识图谱的论文也比比皆是，因此本文作者在参加 ACL 2019 后将有关于知识图谱的论文进行了整理并予以简要介绍，广大技术人员们可以借此了解知识图谱在自然语言处理领域的最新发展情况。
-
在今年的 IJCAI 2019 中，共设置了 38 个主题，涉及医疗、金融、教育等等领域和方向，我们从中挑选出 3 个主题以及精选论文，做一些简单的介绍。
-
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。
-
7月31日晚，自然语言处理领域最大顶会ACL 2019公布了今年的八个论文奖项，其中最佳长论文的获奖者被来自中国科学院大学、中国科学院计算技术研究所、腾讯 WeChat AI、华为诺亚方舟实验室、伍斯特理工学院等机构的联合论文所斩获。除了这篇最佳长论文，腾讯在今年的 ACL 会议上还有哪些研究论文被录取？今天，我们就用这篇文章为大家做介绍。
-
百度ERNIE 2.0发布！16项中英文任务表现超越BERT和XLNet
2019 年 3 月，百度正式发布 NLP 模型 ERNIE，其在中文任务中全面超越 BERT 一度引发业界广泛关注和探讨。今天，百度发布了 ERNIE 2.0，指出其在英文任务方面取得全新突破，在共计 16 个中英文任务上超越了 BERT 和 XLNet，取得了 SOTA 效果。目前，ERNIE 2.0 代码和英文预训练模型已开源。
-
从计算，到感知，再到认知，是大多数人都认同的人工智能技术发展路径。那么认知智能的发展现状如何？
-
SpanBERT：提出基于分词的预训练模型，多项任务性能超越现有模型！
本文提出了一个新的模型预训练方法 SpanBERT ，该方法能够更好地表示和预测文本的分词情况。新方法对 BERT 模型进行了改进，在实验中， SpanBERT 的表现优于 BERT 及其他基线，并在问答任务、指代消解等分词选择类任务中取得了重要进展。
-
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。
-
中文NLP的分词真有必要吗？李纪为团队四项任务评测一探究竟 | ACL 2019
通常，中文文本处理的第一步称为分词，这好像已经成为一种“共识”，但对其必要性的研究与探讨很少看到。本文中，作者就提出了一个非常基础的问题：基于深度学习方法的自然语言处理过程中，中文分词（CWS）是必要的吗？近日，香侬科技AI团队（Shannon AI）与斯坦福大学联合联合发表了一篇研究《Is Word Segmentation Necessary for Deep Learning of Chinese Representations》，并被ACL 2019接收。
-
刷新中文阅读理解水平，哈工大讯飞联合发布基于全词覆盖中文BERT预训练模型
为了进一步促进中文自然语言处理的研究发展，哈工大讯飞联合实验室发布基于全词覆盖（Whole Word Masking）的中文BERT预训练模型。我们在多个中文数据集上得到了较好的结果，覆盖了句子级到篇章级任务。同时，我们对现有的中文预训练模型进行了对比，并且给出了若干使用建议。
-
-
-
-
Deep Reading | 从0到1再读注意力机制，此文必收藏！
注意力机制（Attention）已经成为深度学习必学内容之一，无论是计算机视觉还是自然语言处理都可以看到各种各样注意力机制的方法。之前我们曾在一篇干货文章《关于深度学习中的注意力机制，这篇文章从实例到原理都帮你参透了》中，从实例到原理帮助大家参透注意力机制的工作原理。
-
活动
-
2019.10.17
-
2019.09.24
-
2019.12.05
精品推荐
热门推荐
学习资源
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