-
编辑 删除
教程：使用迁移学习来解决图像问题！
本文将教你如何使用迁移学习来解决图像分类问题。使用Keras及其预训练模型的实际示例用于演示目的。Chris Ried在Unsplash上的代码之美深度学习（LeCun等，2015）正在迅速成为人工智能应用的关键工具。例如，在计算机视觉、自然语言处理和语音识别等领域，深度学习已经产生了显著的成果。因此，人们对深度学习的兴趣越来越大。深度学习擅长的问题之一是图像分类（Rawat＆Wang 2017）
-
编辑 删除
最新英特尔的人工智能隐私政策白皮书（中文版）
在人工智能世界中保护个人的隐私和数据两项技术趋势在英特尔，我们相信人工智能（AI）在改善人们生活方面的巨大潜力。在全球范围内推动人工智能和数字化发展的两个趋势是：1.从边缘到云的数据分析；2.增加数据收集和创建机制。关于人工智能和隐私的五个基础观察人工智能代表了一个新的隐私领域，因为它需要自主决定，这可能会影响到公民。以下观察结果决定了隐私对AI的影响：a）增加的自动化不应转化为更少的隐私保护;b
-
编辑 删除
人工智能领域，中国比美国更胜一筹，成为世界赢家？
因此，很多人认为在人工智能方面，美国也应如此。另外，像Geoff Hinton、Yann LeCun、yoshu Bengio、Andrew Ng和Fei-Fei Li这样的移民便是人工智能领域的FERMI，在大家心中他们本应确保美国（和加拿大）在人工智能领域的领导地位。而且，AI领域的前十名研究人员均出自美国和加拿大，堪称世界上最优秀的1000名研究人员中的68%也都来自美国和加拿大。
-
编辑 删除
从线性模型到决策树再到深度学习的分位数回归
假设房地产分析师想要根据家庭、年龄以及就业中心的距离来预测房价。其典型的目标是在给定这些因素的情况下生成最佳房价点估计，其中"最佳"通常是指预测与现实之间的最小平方偏差。但是，如果他们想要预测的不只是单一的估计，还有其范围呢？这称为预测区间，产生它们的一般方法称为分位数回归。在这篇文章中，我将描述这个问题是如何正式化，如何采用六种线性，基于决策树和深度学习的方法中实现它（在Py
-
编辑 删除
读懂本文让你和深度学习模型“官宣”
近年来，学术界和工业界的研究人员在深度学习领域进行了许多令人兴奋和开创性的研究。他们开发了许多强大得令人难以置信的新模型。然而，这些研究成果的大部分(少数科技巨头除外)仍然只是停留在实验阶段，而不是成为生产应用程序的一部分。尽管新的发现/发明源源不断，但在生产过程中，使用这些模型仍然非常困难(甚至做相关方面的论文也是如此)，部署机器学习模型仍然是一个重大挑战。在本文中，我将概述各种"生产
-
编辑 删除
从零开始利用Python建立逻辑回归分类模型
假设申请人向你提供成绩，你根据成绩对其进行分类，目标是根据分数将申请人分为两类，如果申请人可以进入大学，则分为1级，如果申请人不能被录取，则分为0级。使用线性回归可以解决这个问题吗？让我们一起来看看。注意：阅读本文的前提是了解线性回归！目录什么是逻辑回归？数据集可视化假设和成本函数从头开始训练模型模型评估Scikit-learn实现什么是逻辑回归？回想一下线性回归，它被用于确定一个连续因变量的值。
-
编辑 删除
教程：使用迁移学习来解决图像问题！
本文将教你如何使用迁移学习来解决图像分类问题。使用Keras及其预训练模型的实际示例用于演示目的。Chris Ried在Unsplash上的代码之美深度学习（LeCun等，2015）正在迅速成为人工智能应用的关键工具。例如，在计算机视觉、自然语言处理和语音识别等领域，深度学习已经产生了显著的成果。因此，人们对深度学习的兴趣越来越大。深度学习擅长的问题之一是图像分类（Rawat＆Wang 2017）
-
编辑 删除
教程帖：使用TensorFlow服务和Flask部署Keras模型！
部署Keras模型通常需要抽象出你的机器学习模型，并将其与易于使用的API端点一起部署或集成。例如，我们可以提供一个URL端点，任何人都可以使用它来发出POST请求，他们会得到模型推断的JSON响应，而不必担心其技术性细节。在本教程中，我们将创建一个TensorFlow服务器来部署我们在Keras内置的InceptionV3图像分类卷积神经网络（CNN）。 然后，我们将创建一个简单的Flask服务
-
编辑 删除
GrowingIO 完成3000万美元B 轮融资，新产品战略落下黑马实锤！
2018年10月25日，GrowingIO2018增长大会上， GrowingIO 宣布获得NEA、经纬中国和Greylock三家投资机构 B 轮融资 3000万美元，成为行业内同等轮次融资金额最高的公司。
-
编辑 删除
人工智能丰收时代，传统营销企业如何应对？
人工智能已到收获季节，刷新了很多企业的运营模式，但在营销领域，营销人员还仍处于适应阶段。对许多人来说，营销是一个创造性的过程，人类的直觉驱动着价值的见解，但人工智能目前还没有能力承担这种极具创造性的能力。营销人员希望在介入人工智能的同时，还能够保持营销的创造性和移情性。
-
编辑 删除
SACC 2018十年沉淀之人工智能篇：AI在不同企业场景下的应用和探索
10月17日，第十届中国系统架构师大会以“十年架构，成长之路”为主题，云集了国内CTO、研发总监、高级系统架构师、开发工程师和IT经理等技术人群，与会规模超千人。其次日主线4人工智能（下）专场，来自爱奇艺、一点资讯、知乎和小米的高级技术专家为大家分享了AI在各自企业场景中的应用和探索，这样的送门福利，您怎能错过！
-
编辑 删除
SACC 2018十年沉淀之人工智能篇：企业新场景下的AI应用落地实践
10月17日，第十届中国系统架构师大会以“十年架构，成长之路”为主题，云集了国内CTO、研发总监、高级系统架构师、开发工程师和IT经理等技术人群，与会规模超千人。其主线4人工智能（上）专场，来自饿了么、优酷、搜狗-搜索的几位技术专家为大家分享了AI应用落地实践，满满技术干货等你观摩！
-
编辑 删除
利用人口普查的收入数据来选一个好学校！
作者：Sayon Bhattacharjee我小时候经常搬家。出于这个原因，我的父母一直在考虑居住在适合的社区。有几个因素影响了这个决定，但对于为我上学而担心的父母来说有一个主导因素：那是就找到一所好学校。弗雷泽研究所是一家加拿大研究和教育机构，每年发布加拿大学校的评级。这些评级基于安大略省标准化评估（EQAO）的平均表现。https://www.fraserinstitute.org在这个数据科
-
编辑 删除
漫谈自学习人工智能代理：马尔可夫决策过程（第一部分）
作者：Artem Oppermann这是关于自学习人工智能代理的多部分系列的第一篇文章，或者更准确地称之为深度强化学习。本系列的目的不仅仅是让你对这些主题有所了解。相反，我想让你更深入地理解深度强化学习的最流行和最有效的方法背后的理论、数学和实施。自学习人工智能代理系列 - 目录第一部分：马尔可夫决策过程（本文）第二部分：深度Q学习（Q-Learning）第三部分：深入（双重）Q学习（Q-Lear
-
编辑 删除
一步一步教你在线免费训练机器学习模型（启用GPU和TPU）
在大型数据集上训练机器学习和深度学习模型所需的计算能力一直是机器学习爱好者的一大障碍。但是对于在云上运行的jupyter记事本，任何一个具有学习热情的人都可以进行训练，并获得很好的结果。
-
编辑 删除
美国五角大楼20亿美元人工智能计划：一个被频频叫嚣的军事赌注！
近日，在美国华盛顿特区的一次研讨会上，美国国防部高级研究计划局宣布，计划在未来五年内，投资20亿美元用于人工智能的研究，探索“怎样赋予机器类似人类的沟通和推理的能力”。
-
编辑 删除
一文读懂机器学习中的模型偏差
在人工智能（AI）和机器学习（ML）领域，将预测模型参与决策过程的手段越来越常见，但难点是决策者需要确保这些模型不会根据模型预测做出偏见或者不公平的决策（有意或无意的歧视）。
-
编辑 删除
华为奥迪智能网联汽车合作新态势：移动数据中心集成完毕
近日，2018华为全联接大会消息，华为与奥迪在智能网联汽车领域展开合作，将其网络巨头的移动数据中心（MDC）作为展示原型集成到奥迪Q7中，用于城市自动驾驶环境的运行。
-
编辑 删除
Python荣登“C”位，Van Rossum先生已成“过去时”？
1989年12月，荷兰计算机科学家Guido van Rossum为自己设定了一个圣诞计划。由于备受其他编程语言的缺点所困扰，他想建立自己的编程语言。他的原则很简单。首先，这个编程语言易读性要强。与其让程序语句"盘根交错"，任由一对对花括号来区分代码块，他决定使用空格缩进来区分代码块。
-
编辑 删除
使用机器学习对数十亿图像中的文本进行索引，会发生什么？
在我们之前的博文中，我们讨论了如何更新Dropbox搜索引擎，以将智能添加到用户的工作流程中，以及我们如何构建光学字符识别（OCR）管道。用户将从这些变化中看到的最具影响力的好处之一是，Dropbox Professional和Dropbox Business Advanced 和企业计划的用户可以使用我们描述为自动图像文本识别的系统在图像和PDF中搜索英文文本。
