人工智能

在自然语言处理领域，深度学习的承诺是：给新模型带来更好的性能，这些新模型可能需要更多数据，但不再需要那么多的语言学专业知识。

机器学习是未来。但机器会灭绝人类吗？

在本文中，我将帮助你节省一些时间，方法是将2019年迄今为止发表的研究成果整理成以下可管理的短列表。我做了一些过滤，这样就只包括具有相关GitHub repo的论文了。

一个人工智能项目中，最重要的究竟是数据、算法还是处理过程?有些人说，没有来龙去脉的数据是没有意义的，这些数据的来龙去脉可以是其他数据、模型/算法或处理流程。让我们以一种简洁的方式探究这些人工智能的要素，以发现每种视角的优点。

如果你是深度学习领域的新人，你的第一个问题可能是“我该从哪些论文开始读起呢？”这就是深度学习论文的阅读路线图！

用一个完整的例子告诉你，推荐系统是什么样的一个东西，深度学习该怎么用在里面。

当你上完了在线课程看完了书之后，怎么继续你的深度学习的学习之路呢？

机器学习是使计算机无需显式编程就能学习的研究领域。

现在，技术的进步使您只需将脸部放在屏幕前即可轻松解锁手机。如果你要检查技术炒作，人工智能将成为这个世界将要经历的下一件大事。

这么方便的学习资源，还等什么呢？

一文教你入门机器学习。

几十年来，机器学习领域一直饱受“坦克问题（tank problem）”的折磨

有没有更好的方法来决定学习率？

简单和复杂的技巧，帮助你提升深度学习的模型准确率

哈佛数据科学评论最近发表的一项研究正在改变人们对传奇乐队披头士乐队的看法。该研究还为人工智能以及我们如何从开发人员的角度使用该技术开辟了一些令人兴奋的可能性。