-
编辑 删除
Facebook开源算法代码库PySlowFast，轻松复现前沿视频理解模型
2020-01-07 13:51:04机器之心发布机器之心编辑部在近些年的视频理解研究中，Facebook AI Research 贡献了许多精彩的工作。近日，FAIR视频团队在 ICCV 相关研讨会上开源了视频识别检测代码库 PySlowFast，并同时发布了预训练的模型库。同时，该团队表示，他们还将实时将他们的前沿工作添加至此代码库。项目地址：https://github.com/facebo
-
编辑 删除
应聘机器学习工程师？这是你需要知道的12个基础面试问题
2020-01-06 12:40:51选自Medium作者：JP Tech等机器之心编译参与：熊猫毕业季找工作了？如果想应聘机器学习工程师岗位，你可能会遇到技术面试，这是面试官掂量你对技术的真正理解的时候，所以还是相当重要的。近日，JP Tech 发表了一篇文章，介绍了他们面试新人时可能会提出的 12 个面试问题。问题很基础，但却值得一看。这些问题是我在面试 AI 工程师岗位时常问到的
-
编辑 删除
一文看尽2019年NLP前沿突破
2020-01-07 13:36:05十三 发自 凹非寺量子位 报道 | 公众号 QbitAI2019年，自然语言处理(NLP)都取得了哪些突破？提到NLP，BERT可以说是家喻户晓。在情感分析、问答、句子相似度等多个 NLP 任务上都取得了优异的成绩。而且，无论是在类似于Kaggle这样的竞赛，或者媒体报道中，也总能看到它的身影。它发表于2018年末，自那之后的一年，NLP和NLU(自然语言理解
-
编辑 删除
2019，不可错过的NLP“高光时刻
2020-01-06 21:13:32作者 | Elvis译者 | 凯隐、夕颜出品 | AI科技大本营（ID: rgznai100）【导读】对自然语音处理（NLP）领域而言，2019年是令人印象深刻的一年，本文将回顾2019年NLP和机器学习领域的重要事件。内容 主要集中于 NLP 领域，但也会包括一些与 AI 有关的有趣故事，包括新发布模型、工程成果、年度报告以及学习资源等。文章较长
-
编辑 删除
AI 产品经理入门与劝退指南
本文总结了 AI 产品经理入门前的必备须知，以及入门 AI 产品经理前需要建立的初步认知框架。01“人工智能是未来，而未来已至。”这种论调已经普及开了，可谓是深入人心。很多产品经理或者还未入行的新人，都在纠结到底要不要做AI产品经理，毕竟带了“AI”就觉得非常光鲜、非常前沿了，仿佛自己可以赶上一波时代红利。所以在讲AI产品经理的相关知识前，先劝退一波。前两年人工智能行业大热，如今已经降温了很多，但
-
编辑 删除
2019产业AI速写：城市篇
2020年，城市AI命题显然会有一定的进展。但客观来说，这个进展将主要来自于云服务市场更深度走向城市场景和政府市场，为此提供更多专业化、针对化的AI整体解决方案。要说起AI给城市带来的改变，我大概是有点发言权的。我住的地方，在天津生态城。这地方基本是个岛，每天出门都要过一座桥。但是显然大家出门的时间是相似的，于是早八点这座桥上准时上演大排长龙，原本早上出门要堵半小时已经变成了条件反射。但今年夏天之
-
编辑 删除
2019产业AI速写：物流篇
物流工作内容的高度结构化让AI的应用得心应手，特别是在运输和交付环节已经实现了一部分，但由于AI技术硬件研发成本，目前物流AI距离商业化发展还有一段路要走。在一九产业AI系列中，我们已经介绍了一系列在2019年出现全新进展的AI应用场景。但是相信很多人的第一反应还是——还不够。不论是在云端为金融行业降本增效的AI，还是在田间地头观察着每一刻农作物的AI，它们虽然在为我们的生活带来潜移默化的变化，但
-
编辑 删除
2019产业AI速写：汽车篇
2019年，AI与汽车关系可以称为“冰火两重天”，但是沮丧中也孕育着渴望，2020年，AI与汽车产业都会被摆渡到温暖的春天。听说今年评选出来的“年度汉字”，是“我太南了”，外加“没钱”，也就是——当这句话被人人传颂，也就显得不那么凄风苦雨。不过，放在汽车行业身上却是恰如其分的。2019年对于汽车从业者来说委实有许多心惊胆战，比如戴姆勒、宝马、奥迪、通用、福特等大名鼎鼎的车企都在裁员，新晋流量电动车
-
编辑 删除
AI无处不在？零售业中，10个最激动人心的AI实际应用
2020-01-05 12:30:00全文共5807字，预计学习时长17分钟来源：Pexels近年来，我们在零售业的核心体验没有太大变化。进入一家商店（或网店），浏览商品，试用然后购买。如何从这种购物过渡到下一阶段的呢？人工智能正在促进这种转变。无论是从消费者还是商家的角度，它都彻底地改变了零售方式。来源：Pexels人工智能为商家弥补虚拟和实体销售之间差距。在零售业中，各大品牌正逐步应用人工智能
-
编辑 删除
利用OpenCV和深度学习来实现人类活动识别
作者：Adrian Rosebrock翻译：吴振东校对：赵春光本文约5700字，建议阅读16分钟。这篇教程会告诉你如何利用OpenCV和深度学习来实现人类动作识别。通过阅读这篇教程，你可以学到如何利用OpenCV和深度学习来实现人类动作识别。我们实现的人类活动识别模型可以识别超过400类活动，其中准确率在78.4-94.5%之间（取决于任务类别）。 比如，活动类别的可包括：1. Archery 射
-
编辑 删除
理查德·费曼谈强人工智能——机器能够像人一样思考吗？
2020-01-03 12:30:00全文共3530字，预计学习时长11分钟理查德·费曼（RICHARD FEYNMAN）1985年9月26日，诺贝尔物理学奖得主，也被称为爱因斯坦之后最睿智的理论物理学家，第一位提出纳米概念的人——理查德·费曼（Richard Feynman，1918-1988）在一次讲座中提出了强人工智能（artificial general intelligence，又称“s
-
编辑 删除
从5个热搜出发，看2019全球AI发展这一年
回顾2019年，AI技术的发展正在改变世界科技走向。2019这一年，作为“第四次工业革命”技术核心之一的AI，依然是全球科技热点，而且似乎更热了。你看，在刚刚过去的NeurlPS2019，以13000人参会、1428篇论文发表，创造了历史新高，AI领域人才济济，生态蓬勃。这一年的AI发展方向，可以说，更加深入到各行各业，也更加贴近人们的衣食住行。你看，各种微博热搜，其实都和AI脱不开关系。今天，我
-
编辑 删除
ImageNet 存在十万标签错误，你知道吗？
2020-01-07 09:43导语：应用潜力巨大~使用ImageNet、CIFAR、MNIST 或 IMDB 这些数据集时，你是不是会潜意识中假设，这些数据集中的类标签都是正确的？然而，你可能不知道：ImageNet数据集中至少有十万个标签是存在问题的。尽管大量的研究都在使用ImageNet，但却没有发现数据集存在如此多的标签错误。原因在于，想从海量数据中寻找并描述标签错误很难；即使有相关的方法
-
编辑 删除
案例解析：AI产品设计，怎么在不同情况下做出判断？
独立思考，实事求是，锲而不舍，以勤补拙。——一颗西蓝花一、从AI技术说起什么是机器学习？Tom Michell 给出定义：对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序从经验E学习。通常，为了很好地定义一个学习问题，我们必须明确这样三个特征：任务的种类，衡量任务提高的标准，经验的来源。举一个手写识别学习问题：任务T：识别和分类图像中
-
编辑 删除
2019产业AI速写：金融篇
本文盘点了AI在金融行业中的应用、以及它对行业产生了什么样的助力效果。2019年对于中国金融来说，是一个相当不平静的年份——从1月份由专项小组发布“175号文”，正式开启了互联网金融的清退行动，到10月份黄奇帆放出消息称中国央行或率先推出数字货币，再到12月份对金融类App信息隐私的严格审查。可以说2019年中国金融的主旋律就是“清退假科技，加码真科技”，打着Fintech旗号的小贷企业倒了一批又
-
编辑 删除
从阿里达摩院十大科技趋势预测，看人工智能企业发展路径
本文围绕阿里达摩院的十大科技趋势预测，多维度分析了感知智能与认知智能这两个概念。日前，阿里巴巴达摩院对外发布2020年十大科技趋势，“人工智能从感知智能向认知智能演进”这一趋势位列榜首。何为感知智能与认知智能？业内普遍认为，人工智能的主要发展方向包括运算智能、感知智能、认知智能：运算智能，主要指快速计算和记忆存储能力。感知智能，即视觉、听觉、触觉等感知能力。人和动物都具备，能够通过各种智能感知能力
-
编辑 删除
图神经常微分方程，如何让 GNN 在连续深度域上大显身手？
2020-01-06 05:45:34瑞利-贝纳德对流（Rayleigh–Bénard Convection）。利用有限元方法将空间上连续的问题离散化，将复杂的关系归纳偏差显示为实体集合。图源：https://www.youtube.com/watch?v=OM0l2YPVMf8&t=74s.作者 | Michael Poli编译 | JocelynWang编辑 | 丛末多智能
-
编辑 删除
经验&教训分享：我的第一个机器学习项目
作者：Austin Cheng翻译：王紫岳校对：和中华本文约4700字，建议阅读13分钟本文简要介绍了作者在初次进行机器学习的操作时所遇到到情况与得到的教训。机器学习之旅的开端在这片博客中，我将介绍队友（Aron，Ashish，Gabriel）和我如何完成我们的第一个机器学习项目。写这篇博客的目的是为了记录——记录下我作为一名有抱负的数据科学家的旅程。同时，这篇博客也是为了写下逐步完善预测模型背后
-
编辑 删除
今日 Paper | 问答系统；3D人体形状和姿势；面部伪造检测；AdderNet等
目录Reading Wikipedia to Answer Open-Domain QuestionsMachine Learning from a Continuous ViewpointScore and Lyrics-Free Singing Voice GenerationLearning 3D Human Shape and Pose from Dense Bod
-
编辑 删除
首个“AI面试法案”在美国伊利诺斯州实施，保护面试者的权利就这么简单？
2020-01-03 08:17导语：AI带来的问题不一定比好处少随着 AI 技术逐渐发展、大众以及企业对 AI 的了解越来越多，也有越来越多的企业尝试让 AI 参与到公司的决策中来，比如参与到招聘中。AI 算法可以做的事有很多，包括招聘广告的定向推广、简历筛选，乃至在视频面试中分析面试者的面部表情。不过这整个过程对面试者来说都
