自然语言处理是深度学习和人工智能领域最热门的话题之一，许多行业都在寻找利用这种深度学习模型的方法，以供内外部使用。
欢迎关注“新浪科技”的微信订阅号：techsina 文/萧箫来源：量子位（ID:QbitAI)收获接近16.6…
亚马逊机器学习服务Amazon SageMaker 又添九项新功能！
2018 年图灵奖得主、人工智能领军人物 Yann LeCun 已经下定决心想对长达两周的激烈讨论画上句号。而这场闹得沸沸扬扬的骂战，起因正是被指「严重种族歧视」的 PULSE 算法。
深度学习是否成功可以用适合的图片测试它
AI 中最流行的模式识别技术——称为深度神经网络（DNN）——有多容易被攻破
今年7月，小米也拥抱开源，发布自家深度学习框架 MACE。据悉，MACE 支持 TensorFlow 和 Caffe 模型，提供转换工具，可以将训练好的模型转换成专有的模型数据文件，同时还可以选择将模型转换成C++代码，支持生成动态库或者静态库，提高模型保密性。
这个过程很简单，只需一行代码就能实现。但是，你真的理解“卷积”是什么吗？当初学者第一次接触这个词时，看到堆叠在一起的卷积、核、通道等术语，他们往往会感到困惑。作为一个概念，“卷积”这个词本身就是复杂、多层次的。
美团每天有百万级的图片产生量，运营人员负责相关图片的内容审核，对涉及法律风险及不符合平台规定的图片进行删除操作。由于图片数量巨大，人工审核耗时耗力且审核能力有限。另外对于不同审核人员来讲，审核标准难以统一且实时变化。所以有必要借助机器实现智能审核。
深度学习算法的实现需要使用一些相关的数据（如人脸图片）进行，随着提供的数据越来越多，软件的模式匹配精确度便会越来越高。虽然就现在而言，这项技术已经取得了成功，但其结果还是主要局限于那些拥有庞大的数据集的领域
本文来自 Keras 作者 François Chollet，同时也是根据他撰写的《Deeping Learning with Python》一书第 9 章第 2 节改编的
麻省理工学院深度学习和自动驾驶课程，介绍了深度学习的相关知识，以及深度学习在自动驾驶领域的实践和应用。认真补充课程能量，听完之后，就能撸出一台无人驾驶车的算法了。
随着人工智能的巨大进步 – 从无人驾驶汽车领域的进步，到掌握扑克和围棋等游戏，以及自动化客户服务交互 – 这项先进技术将为企业带来革命性的变化。但是，AI，机器学习和深度学习这两个术语经常被随意使用，并且可以互换使用，因为每种技术之间存在重大差异。以下是这三种工具之间差异的指南，可帮助您掌握机器智能。
正如职业运动员每天都要训练一样，机器学习的日常练习也是工程师生涯得以大踏步前进的基本保障。仅2017年一年，机器学习领域总结此类实战经验的文章便已超过20000篇，该领域相关职位的热度自是可见一斑。从中，我们筛选出50篇最好的经验和心得，囊括了机器学习在15大细分领域的各项典型应用：
虽然深度学习已经被用于各种不同的应用上，但是由于缺乏能够完整解释其成功背后的基础理论，所以经常面对着各种质疑。就在最近，Test-of-time 奖项的获得者在 Neural Information Processing (NIPS) 会议上将深度学习比作为炼金术。虽然用于解释深度学习为何有如此强的泛化能力的泛化理论（Generalization Theory）仍是一个开放性的问题，但是在本文中，我们将会对近期试图解释这个问题的理论和经验（empirical）上所取得的进步展开讨论。
如何用前端页面原型生成对应的代码一直是我们关注的问题，本文作者根据 pix2code 等论文构建了一个强大的前端代码生成模型，并详细解释了如何利用 LSTM 与 CNN 将设计原型编写为 HTML 和 CSS 网站。
深度学习发展到如今的地位，离不开下面这 6 段代码。本文介绍了这些代码的创作者及其完成这些突破性成就的故事背景。每个故事都有简单的代码示例，读者们可以在 FloydHub 和 GitHub 找到相关代码。
对于初学者来讲，入门机器学习和深度学习非常困难；同时深度学习库也难以理解。通过收集多方资源，我在 Github 上创建了一个速查表库，希望能对你有所帮助。欢迎访问这个库，并完善它（如果你也有速查表）。
近日，哥伦比亚大学、Adobe Research、Google Research 和 Google Brain […]
深度学习未必就是未来的一定主流，至少一些大牛是这么认为的。传统的机器学习有如下特点，知识系统化，有相对经典的书。其中统计学习(代表SVM)与集成学习(代表adaboost)是在实践中使用非常多的技术。
用网络摄像头自动识别在工位通道走过的人脸，如果确认是老板的话，就用一张写满了代码的截图覆盖到整个屏幕上。整个工程中应用了Keras深度学习框架来建立识别人脸的神经网络，和一个网络摄像头用来捕捉老板的人脸。
就像 Google有可能是最后一个搜索引擎公司，Amazon有可能是最后一个做电商的, Facebook希望不是最后一个社交网络公司等。但是让我夜里辗转反侧的是——深度学习有可能会是“人类最后一个发明”(Last Invention of Man)。
今天我们探讨的话题不仅仅是简单的人工智能。如果大家对深度学习感兴趣，我相信各位一定会在搜索引擎上搜索过类似相关的关键字。我在Google上 以deeplearning作为关键字得到了2,630万个搜索的结果。这个数字比一周之前足足多出了300多万的结果。这个数字足以看得出来深度学习相 关的内容发展的速度，人们对深度学习的关注也越来越高。
百度今天开源了其深度学习平台Paddle，引发了挺多人工智能领域开发者的兴趣，包括一些之前一直在Tensorflow和Caffe上练手的开发者。不过鉴于深度学习的开源平台目前并不多，作为开发者也作为热心吃瓜群众的头等大事，就是想知道——这个平台怎么样？别人怎么看这个平台？以及这个平台跟Tensorflow以及Caffe有何区别？
如果说语言学家代指机器学习和固定的模型结构，那么深度学习意味着专家整体性能的提高。 深度学习是一个本质上引人入胜的主题，非常令人憧憬。Michel Herszak在LinkedIn写了一篇博客，谈到了其对于深度学习的理解。
应该还能用
【外评】谷歌：从源头消除内存安全漏洞
【外评】在 RiSC-V 上运行《巫师 3》游戏
【外评】法官驳回大部分 GitHub Copilot 版权索赔要求
谷歌内部推出 SQL 中的管道(Pipe)语法
你们干扰不了我写开源代码
【外评】FreeBSD 将 Rust 纳入基本系统
【外评】电脑从哪里获取时间？
【外评】为什么 Stack Overflow 正在消失？
有时
