【51CTO.com原創稿件】12月1日，WOT2018全球人工智慧技術峰會進入第二天。經過昨日基礎技術的學習，今天大會的關鍵詞是實踐！ 上午的應用領域篇章，共設推薦搜尋、人機智慧、計算機視覺、文字分析與N

2018年11月25日-30日，第104次北美放射學年會在美國芝加哥麥考密克展覽中心隆重舉行，此次大會以“TOMORROW ’S RADIOLOGY TODAY”為主題，聚集了全球影像放射領域的專家和學者。

圖 這裡兩個矩陣，分別是使用者和標籤的關係，電影和標籤的關係。 我們得到兩張表，也可以理解兩個矩陣，一個是電影和標籤，一個是使用者和標籤，電影和標籤通過資料來表示

編者按：AI、機器學習、深度學習……你天天都聽說這些術語。但是這些東西究竟是什麼意思？如何才能讓自己看起來像個專家乃至於大師？光來回念這幾個名詞肯定是不行的，不過你只需要掌握這9個基本概念就能看起來像個機器學

從頭開始寫機器學習演算法能夠獲得很多經驗。當你最終完成時，你會驚喜萬分，而且你明白這背後究竟發生了什麼。 有些演算法比較複雜，我們不從簡單的演算法開始，而是要從非常簡單的演算法開始，比如單層感知器

Portrait Mode on the Pixel smartphones lets you take professional-looking images that draw attention to

@Zsank 推薦 #Attention Mechanism 論文連結：https://www. paperweekly.site/pa

一、人工智慧與機器學習 說到人工智慧，就不得不提 圖靈測試 。圖靈測試是阿蘭圖靈在1950年提出的一個關於機器是否能夠思考的著名實驗，測試某機器是否能表現出與人等價或無法區分的智慧。主要內容是：測試者與被

至頂網軟體頻道訊息： 今天 AWS推出了一款專為機器學習設計的新處理器晶片，這也是Amazon在雲端計算領域雄心勃勃的另一個標誌。 這款名為Inferentia的晶片將通過AWS EC2計算服務、Sa

模型選擇和超引數優化是機器學習技術應用過程中的關鍵步驟。給定⼀個機器學習任務，人工參與模型選擇以及超引數優化通常是⼀個耗時、繁瑣的過程。為了解決這樣的問題，⼀些關於自動化機器學習的研究工作被提出，比如 Aut

原文出自：Google AI Blog 譯文出自： 掘金翻譯計劃 本文永久連結： github.com/xitu/gold-m… 譯者： haiyang-tju

大多數人可能對機器學習有點恐懼或困惑。 腦子中會有它到底是什麼,它有什麼發展方向,我現在可以通過它掙錢嗎等等這樣的問題。 這些問題的提出都是有依據的。事實上，你可能沒有意識到自己其實多年來一直在訓練機器學

技術的發展，讓這個世界每天都在源源不斷地產生資料，隨著大資料概念被提出，這個技術逐漸發展成為一個行業，並被不斷看好。那麼大資料行業的未來發展如何?三個方向預測大資料技術發展未來趨勢：

因此，自然語言處理領域的玩家們，除了要思考模型的效果、產品的架構，更要思考一個最為本質的問題：要處理什麼資料？為什麼要處理這類資料？ Recurrent AI 選擇了「呼叫系統」。 「電話錄音可追溯而不

作者：Daniel Rothmann 編譯：weakish 近幾年來，基於神經網路生成、處理影象方面有很多偉大的成果。這部分歸功於深度CNN在捕捉、轉換影象的高層資訊上的強大表現。一個知名的例