一名開發人員訓練了人工智慧軟體，使其能夠設計出自己的萬聖節面具，其結果是非常可怕的。 納什維爾的廣告公司 Red Pepper 的創意技術專家 Matt Reed 通過提供5000張流行的萬聖節面具圖片，來訓練神

谷歌大腦科學家 Sara Hooker 的經歷最近被《經濟學人》當做典型報道了——但這件事卻讓她感到非常擔憂。這位女科學家有著傳奇的經歷：出生在非洲，本科在卡爾頓學院學習經濟學，沒有博士學位，卻成為了谷歌大腦的

作者：MOHIT JAIN 編譯：Bot 在計算機視覺領域，影象分割指的是為影象中的每個畫素分配一個標籤的任務，它也可以被看作是dense prediction task，對影象中每個畫素進行

1. 預備知識 1.1 KS-檢驗 KS-檢驗與t-檢驗等方法不同的是KS檢驗不需要知道資料的分佈情況，可以算是一種非引數檢驗方法。當然這樣方便的代價就是當檢驗的資料分佈符合特定的分佈時，KS-檢

個人資料探勘和個人隱私保護，並非魚與熊掌，可視分析的技術手段能夠幫助我們保護個人隱私資料，避免後續的資料探勘暴露隱私的同時，平衡資料質量發生的變化，減少對後續資料探勘的影響。針對網路資料中的隱私保護問題，浙江大

背景 序列標註任務是中文自然語言處理（NLP）領域在句子層面中的主要任務，在給定的文字序列上預測序列中需要作出標註的標籤。常見的子任務有命名實體識別（NER）、Chunk提取以及詞性

近年來，手機、平板等移動裝置的計算能力顯著提升，達到了臺式計算機不久之前的水平。儘管標準智慧手機 app 對於手機來說已經不成問題，但還有一些任務（即執行人工智慧演算法）可以輕易難倒它們，甚至高階裝置也不例外。

早在20世紀50年代，認知科學家就已著手對人臉識別展開研究。20世紀60年代，人臉識別工程化應用研究正式開啟。當時的方法主要利用了人臉的幾何結構，通過分析人臉器官特徵點及其之間的拓撲關係進行

雲腦科技 原創 2018/10/30 11:06 雲腦黃頌受邀參加一刻talks「2018先見未來大會」，述人工智慧所面臨的倫理挑戰

編者按：這是一篇發表於《哈佛商業評論》的醫學研究案例。文章作者包括 Rafiq Ajani，麥肯錫位於馬薩諸塞州沃爾瑟姆的辦事處的合夥人，並領導該公司的北美知識中心；Arnaub Chatterjee，麥肯錫

前言 黑客在攻擊過程中或者對目標網路實施控制時經常使用域名。我們在做流量分析時不僅要通過流量的指紋特徵識別威脅，也可以通過檢測是否解析了惡意域名來判斷網路中是否存在肉雞。 不直接用威脅情報

將機器學習的方法推廣到新問題仍然存在著不小的挑戰，其中最嚴峻的問題之一，就是人工提取特徵的複雜性和高時間耗費性，本文就將帶你瞭解自動化特徵提取方法。 機器學習演算法面臨的最大技術障礙就是它們

CSDN 出品的《2018-2019 中國人工智慧產業路線圖》V2.0 版即將重磅面世！ V1.0 版釋出以來，我們有幸得到了諸多讀者朋友及行業專家的鼎力支援，在此表示由衷感謝。此次 V2.0 版

作者：Joyce Xu 編譯：Bing 強化學習中很多重要的難題都圍繞著兩個問題：我們應該如何高效地與環境互動？如何從經驗中高效學習？在這篇文章中，我想對最近的深度強化學習研究做一些調查，找到

目前在研究Automated Machine Learning,其中有一個子領域是實現網路超引數自動化搜尋，而常見的搜尋方法有Grid Search、Random Search以及貝葉斯優化搜尋。前兩者很好理解