ITPub博客

语音识别系统一直是深度学习生态系统中最发达的领域之一。当前一代语音识别模型主要依赖于用于声学和语言建模的递归神经网络（RNN）以及用于知识构建的特征提取管道等计算上比较昂贵的工件。虽然已经证明基于RNN的技术在语音识别任务中是有效的，但是它们需要大量的训练数据和计算能力，这通常会导致大多数组织无法使用。最近，Facebook AI Research（FAIR）团队发表了一篇研究论文，提出了一种基于

2017年，无人零售突然爆火成为了新的风口，无数玩家纷纷入局，资本市场狂热追随。据相关数据显示，截止到2018年11月，在无界零售领域的462起投融资实践中，以自助终端、社区团购、无人便利店、连锁便利店以及无人货架为主业态的投资事件共280起，占总投资事件的61%。

微软加速器·北京第13期招募于2018年9月正式启动，围绕人工智能与机器学习、大数据、区块链、物联网、工业互联网、混合现实、云计算平台等技术应用创新，聚焦IT基础设施、智能制造、交通、智慧城市、企业服务、金融科技、医疗、智慧零售领域。

2018年是值得回顾的一年，各种新兴技术相继爆发，特别是人工智能。人工智能的发展过程可谓极具曲折，经过了数次寒冬碾压，如今终于迎来了黄金时期。 人工智能自2016年开始流入人们耳中，而经过了两年的发展，已经演变成了世界性话题，并且成为谷歌、微软和亚马逊等科技巨头们的新宠。

但是近期关于深度学习掀起的又一波“AI寒冬”又一次将人工智能推向了舆论口波，一项旨在解决“房间里大象”的新研究推动了这次AI的负面炒作。深度学习系统真的存在严重缺陷吗？我们真的完全走错了路吗？

开发人员目前可以基于NeoPulse AI Studio 2.0和其编程语言NML 2.0构建自己的机器学习模型，而不需要深入了解机器学习知识。使用这些工具，开发人员可以轻松利用AI的强大功能。

据统计，全球有40亿人缺乏实际地址，这意味着这些居民无法获得包裹递送，医疗保健和救灾等服务，且无法进行登记投票或驾驶执照考试，城市也难以规划新的基础设施，例如学校、供水管道和电力线路等。

本文给大家介绍的技术就是物联网。何为物联网？我相信目前应该没有人会不明白了吧，物联网说白了就是物与网相连接，它的本质其实还是离不开互联网。不过物联网的概念目前已经被炒到过熟，它可能不会得到像互联网那样的爆发式发展，通说一点讲，如今物联网的发展更多的只是锦上添花的东西，得到实质性改变的很少。

12月3日在加拿大蒙特利尔召开的NeurIPS 2018会议上，英特尔宣布推出开源版HE-Transformer，这是一种允许AI系统对敏感数据进行操作的工具。开源版HE-Transformer基于简单加密算法库（SEAL），是英特尔神经网络编译器nGraph的同态加密（HE）后端，HE允许对加密数据进行计算。

Keras是一个很棒的库，它提供了一个简单的API来构建神经网络，但最近对PyTorch的兴奋感最终让我对探索这个库产生了兴趣。虽然我是一个"盲目追随炒作"的人，但是研究人员的采用和fast.ai的推崇使我确信在这个深度学习的新入口中必定有新的东西值得我去探寻。由于学习新技术的最佳方法是使用它来解决问题，所以我学习PyTorch的工作始于一个简单的项目：使用预先训练的卷积神经网

开源社区从未如此繁忙，加入战争从未如此简单！您在寻找一个新项目吗？你有想要分享的代码吗？本文为您分享一些开源福利，一些值得关注的组织。

自人工智能开始成长以来，其风波一直不断，特别是近几年，人工智能步入黄金发展期，舆论风暴更是一波接着一波。“人工智能距离威胁人类还有多远？”“八大现象论证人工智能威胁论真的存在”“AI警告！科技大佬为何纷纷站队AI威胁论”······

在OpenCV开创性 3.0 版本发布 3 年半之后，终于，等来了OpenCV 4.0 第一个稳定版本！OpenCV通过GITHUB正式发布：https://github.com/opencv/opencv/wiki/ChangeLog#version400OpenCV 是一个基于 BSD 许可（开源）发行的跨平台计算机视觉库，可以运行在 Linux、Windows、Android 和 Mac O

11月20日，本周二，距离美国的黑色星期五还剩两天，亚马逊向用户发送电子邮件，警告客户，由于本公司网站技术原因，客户的姓名和电子邮箱地址遭受泄露，目前泄露原因和数量还不知晓。

人工智能和机器学习的出现，让各大企业瞬间走上捷径，不管是运营效率还是生产利润都得到了显著的提升。但世界上是没有“免费午餐”的，企业面临的问题数组庞大，用于解决这些问题的ML模型种类相当广泛，每一种算法擅长的领域都不同，选择一种合适的算法模型成为企业棘手难题。

今年十月底在哈弗医学院由Corey Lane Partners，LLC创办的BioPharma AI应用峰会已经圆满落幕。这次峰会堪称是人工智能和生命科学相交的一个显型快照。本文我们将总结一下这次峰会的十项观察结果。

iki每日馈送的屏幕截图这篇文章解决了构建基于深度学习架构的推荐系统的一般问题。文中描述的特定架构是为的新智能馈送提供支持，提升技能，检查其性能，请尝试使用产品测试版。https://app.iki.ai/如果你了解推荐系统的一般概念和主流方悉的话，并了解解决方案的细节，请跳过本文的前两部分。介绍推荐系统改变了我们与大量服务交互的方式。它们不是提供静态数据，而是提供了交互式体验，可以选择留下你的反

在这个笔记本中，我将向您展示使用Mobilenet对狗的图像进行分类的示例。然后，我将向您展示一个例子，它会把蓝山雀的图像错误分类。然后，我将重新训练Mobilenet并使用迁移学习，以便它可以正确地对相同的输入图像进行分类。在这个过程中，仅使用了两个分类器，但是这可以扩展到您想要的数量，仅限于您可用的硬件数量和时间。Mobilenet的源文件位于：https：//arxiv.org/pdf/17

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。猎豹在棕色的田野上奔跑情况介绍在我们的组织中，我们需要尽快为我们的分析投资产生回报。我们需要更快地将机器学习模型部署到生产中。最重要的是，我们不希望很好的想法却束之高阁。传统上，我们将每个数据产品构建为定制解

这篇文章的大部分内容是交互可视化，都是可以悬停、缩放和移动的。在计算机上阅读比在手机上阅读更好，如果一定要用手机的话，横向模式会比纵向模式更好一些。（原文链接：https://towardsdatascience.com/using-3d-visualizations-to-tune-hyperparameters-of-ml-models-with-python-ba2885eab2e9）如果你