人工智能
-
为什么 AI 将接管你的简历,你又能做些什么呢?
为什么 AI 将接管你的简历,你又能做些什么呢?
-
新手如何开始学深度学习?别着急,看看别人走过的路先
很多人问我如何开始机器学习和深度学习。在这里,我整理了一个我使用过的资源列表,以及我第一次学习深度学习时所走过的路。
-
在深度学习中,必须要懂的4个信息论的概念
信息论是对深度学习和人工智能做出重要贡献的一个重要领域,但很多人对信息论知之甚少。信息论可以看作是深度学习的基本组成部分:微积分、概率和统计学的复杂组合。
-
所有学机器学习的人必须要懂的5个回归损失函数
2017年末,吴恩达创办Landing AI,自此投身于向传统行业布道AI技术的事业中。在2019世界人工智能大会期间,他接受了界面新闻记者专访,与我们聊了聊传统行业拥抱AI的机遇及挑战。
-
人工智能将改变物流的六种方式
人工智能将改变物流的六种方式。
-
机器学习中数据清洗的艺术
数据清洗是大数据处理的第一步,很多同学对这一步感到没有头绪,不知道哪些该清洗掉,哪些不该,看看这篇文章,是不是能有点启发?
-
2019MIT深度学习基础课程:简介以及TensorFlow案例概要
2019的MIT的最新深度学习教程,内容包括神经网络解决计算机视觉、自然语言处理、游戏、自动驾驶、机器人等领域问题的基础知识。来一睹为快吧!
-
AI从业人员需要掌握的10大算法
这10个算法(方法)可以说是目前深度学习中非常基础和出镜率非常高的算法和方法,关键是非常的有效,一起来看看吧!
-
你训练的神经网络不对头的37个原因
大家都遇到过这种情况,训练的时候没什么问题,测试的时候就不对劲了,想找问题,感觉无处入手,那么今天,给你37个建议,看看再说吧。
-
卷积神经网络感受野计算指南
感受野可能是卷积神经网络(CNNs)中最重要的概念之一,值得更多的关注。
-
卷积神经网络图像分类技巧,论文讨论
这篇文章是对Bag of Tricks for Image Classification with Convolutional Neural Networks中分享的思想的概述和我自己的一点思考。
-
人工智能正在造成无法预料的麻烦
正如我们所知,人工智能将会改变世界。但对抗性数据(adversarial data)带来了一系列问题。
-
阿里巴巴研究员聂再清:用智能语音交互改变未来生活
下一代人机交互模式会是什么?
-
李开复AI五讲:人工智能需要什么样的大数据?
我们真的知道什么是人工智能吗?我们真的准备好与人工智能共同发展了吗?
-
依图朱珑:点亮AI是一场基础设施革命
作为世界创新的源动力,人工智能正在扮演越来越重要的角色,今天的人工智能处于什么阶段?未来人类智能和人工智能将如何走向?智能文明的形态又会是什么?