IT思维

对于 AI 研究者来说，打星际 2 的能力是不是应该写进简历里？

近日，来自日本东京工业大学的研究人员将基于深度学习的新型传感器送入太空。

许多人都持这一观点：算法终将会超越人类，具有认知意识。

在过去的一年里我们经历了AI能力急速提升、看到了无人车的逐渐落地、见证了5G时代的开启、感受到了技术在商业进程中的力量、触摸到了科技在日常生活中的问题。

最近，日本产业综合技术研究院的研究人员提出了一种新的方法，通过结合骨骼结构的回归器和基于3D位姿表达的交叉热力图回归，实现了端到端的3D人体位姿预测，不仅能从单张RGB图中预测出关节位置，同时还能准确得到连接在关节上的骨骼角度。

机器学习领域有哪些实用的开放数据集？Gengo 网站整理出了 50 个高质量机器学习开放数据集，覆盖范围非常广，并按照具体领域（如金融、图像、自然语言处理、自动驾驶）进行分类，推荐给大家。

通过对历史上20位最重要的科学家研究，惊讶的发现其中有15位是博学家！

现在，创建深度学习模型越发容易，对数据科学家和开发者来说，在测试环境中打造复杂模型已不再是难事。

伯克利和谷歌大脑的研究人员近日发表了全新的强化学习算法:柔性致动/评价(soft actor-critic,SAC)。

近日伯克利RISELab推出了多主体强化学习包Ray RLlib 0.6.0。

近日，日本的深度学习公司PerferredNetworks 发布了其超参数优化框架的beta版本。

它通常作为一个数据管道，链接了各种业务前台和数据后台（比如数仓等）。

植物与机器人合体，该是什么样子？

在很多人眼中，Jeff Dean 就是谷歌技术的代名词，也是谷歌如此强大的重要原因。

AI的火爆，让今天在加拿大蒙特利尔开幕的第32届神经信息处理系统大会（NeurIPS 2018），就成为了各国研究组织和企业刷存在感的香饽饽。

计算成像系统架起了硬件和图像重建间的桥梁，让很多复杂的光学成像系统包括断层扫描、超分辨和相位成像等，都在计算成像的助力下得以通过对商业显微镜和计算重建的简单改造而实现。

近日，谷歌大脑团队提出一种结构化方法从单目视频中进行无监督学习，获得了较高质量的场景深度和自运动预测。

Hinton 团队在 2017 年发表在 NIPS 上的论文曾经介绍，通过添加一个能够从顶层胶囊的姿态参数和身份重构输入图像的网络，可以提高胶囊网络的判别能力（Dynamic routing between capsules）。

顾名思义，“升级为阿里云智能”是在云计算的基础上，把智能服务作为企业最核心业务。

这些是我对处于早期阶段的公司或非营利组织提出的关于机器学习应用场景的建议。

在大数据领域工作了近 8 年后，今年秋天，作为 data Artisans 的技术布道师，我在 Apache Flink 社区变得越来越活跃。

公众号/AI前线 作者 | Chris Ying 等 编译 | 郝毅 编辑 | Natalie AI 前线导读 […]

人类对于美的追求永不止步。

IBM 收购红帽公司的真正收获是 Openshift，这是一个用于构建和管理 Kubernetes 容器的软件套件。

根据在线评论和评分，我们可以为客户提供关于其信誉度的深刻见解。