ITPub博客

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！

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

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

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。

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”。

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）。

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。

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。

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。

俯瞰上海，它更像一场大规模的多米诺骨牌游戏：一个快速扩张的大都市，拥有2500万人口的新街区排成一排，新的高速公路，新的磁悬浮，新的城市花园将这个城市点缀成梦幻之都。

神经网络的基本思想是模拟计算机“大脑”中的多个互连细胞，使它能够从环境中学习，识别不同的模式，通俗一点来说就是模仿人类的思维模式进行决策。

梯度提升技术在工业中得到了广泛的应用，并赢得了许多Kaggle比赛。（https://github.com/Microsoft/LightGBM/blob/master/examples/README.md#machine-learning-challenge-winning-solutions）互联网已经有很多关于梯度提升的很好的解释，但我们注意到关于自定义损失函数的信息缺乏：比如原因，时间和方式。这篇文章是我们尝试总结自定义损失函数在许多实际问题中的重要性，以及如何使用LightGBM梯度提升包实现它们。

丰富的免费资源列表可以帮助人们学习自然语言处理，其中包括文本分类、序列标注、机器翻译等的解释。

写一个机器学习算法是一次非常有意义的学习经历

在本文中，简要回顾了DeepID-Net，介绍了一种基于形变部件的卷积神经网络（CNN）。采用一个新的形变约束池化层(def-pooling)模拟具有几何约束和惩罚的对象部分的变形。

每个行业都有自己的工具，软件开发也没有什么不同。一个优秀的程序员应该比其他程序员更了解他的工具，而且还可以使用比普通工具更强大和更高级的工具（http://javarevisited.blogspot.sg/2015/05/how-to-differentiate-between-average.html#axzz553pz1hYh）。但是，有些工具是每个软件开发人员都应该知道的，本文就是关于这些工具的具体介绍。

"数据科学教程"的列表将为你提供由浅入深的数据科学概念。此外，这次数据科学训练教程将为你提供关于数据科学、python、数据科学家、大数据、分析、机器学习、深度学习和人工智能相关定义、概念，这些都是目前最热门的话题。你可以通过它们在短时间内成为一名数据科学大师。

如果你正在为软件开发领域的编程语言面试做准备，并且正在寻找一些好的书籍来帮助你，那么这篇文章值得一读。在本文中，我将分享一些最好的编程/编码面试书籍，为你的软件开发工作的面试做出梳理。这些书足以让你通过像谷歌、微软或亚马逊这些公司最艰难的面试。它们很好地涵盖了编程面试的所有基本话题，如数据结构和算法，系统设计，算法设计，计算机科学基础，SQL, Linux, Java，网络等。

算法、数据结构与语言并没有直接关系，任何称职的程序员都应该能够将它们转换为自己选择的语言。不幸的是，我遇到过几个非常擅长编程语言的程序员，以Java为例，他们知道API的小细节和复杂的语言流程，但对算法却知之甚少。让他们纠正比较流行的排序算法，比如快速排序算法，他们会难以下手。别说更复杂的算法，如字符串，图像算法，树或贪婪算法（等等）。

我最近偶然发现了雷切尔·托马斯撰写的描述博客各种优点的一篇文章，并有所启发。 我将在这篇文章中分享我参加的第一场Kaggle竞赛的经历。我因此快速学完了fast.ai的机器学习的网络课程，我希望将这门课程所获得的知识运用到这次kaggle竞赛中。