学习
科学机器学习的竞争和共识:博弈论方法如何导致更智能的人工智能
编译/凯霞得益于空军科学研究办公室的195 万美元赠款,马萨诸塞大学阿默斯特分校数学和统计系教授 Markos Katsoulakis 和 Luc Rey-Bellet,以及布朗大学的 Paul Dupuis 将在接下来的四年开发一种新的机器学习方法,超越对大数据的传统依赖。Markos KatsoulakisLuc Rey-Bellet传统的机器学习依赖于庞大的数据缓存,算法可以筛选这些数据以「训练」自己完成任务,从而产生基于数据的数学模型。但是,如果数据很少,或者生成足够多的数据成本太高,该怎么办呢?一种可能的
10/31/2021 6:41:00 PM
ScienceAI
工业环境中对机器学习的行业视角
编辑/凯霞Google Applied Science 是 Google Research 的一个部门,将计算方法,尤其是机器学习,应用于广泛的科学问题。不久前帕特里克·莱利(Patrick Riley)还是该部门软件工程师之一,现在是 Relay Therapeutics 的人工智能负责人,他与《Nature Reviews Materials》谈论了他在工业环境中从事机器学习项目的经验。你能告诉我们一些关于你所做的事情以及谷歌机器学习研究的事情吗?我在 Google Applied Science () 的小组
9/27/2021 6:53:00 PM
ScienceAI
2021入坑机器学习,有这份指南就够了
这是一份适用于小白的机器学习超丰富资源指南。机器学习社区社交媒体上经常有人提出这样的问题:我如何开始机器学习?我如何免费学习?什么是人工智能?我怎样才能学会它?人工智能是如何工作的?我该从何学起?如果我没有开发人员背景,该如何开始?......面对这些问题,油管博主 What's AI——Louis Bouchard 撰写了一份关于「如何在 2021 年零基础开始机器学习」的完整指南,整合了大量学习资源,而且大部分是免费的。项目地址: 1.6K star 量,并且仍在持续更新中。我们来看一下这份指南的具体内容。1.
9/22/2021 1:34:00 PM
机器之心
曝光!阿里50余位工程师私藏的学习资源清单
学习是⼀个不断精进的过程,没有 standard destination。我们经常听到技术人各种学习困扰:●「AI 领域发展太快了,感觉囤积的学习资源好容易过时。」●「网上资料和课程太多了,不知道怎么筛选出适合自己的经典资料。」●「想知道阿里 p7p8 同学的技术成长路线,都有哪些精进方式?」工欲善其事,必先利其器。⼀份高质量的学习资源是每位技术同学的成长必需品。通常来说,只有当学习资源 catch 到我们知识盲点的时候才能勾起我们的兴趣,此外,相关领域的前辈根据自身经验的推荐,是不错的筛选标准。基于此,来自阿里淘
9/17/2021 6:29:00 PM
机器之心
Jupyter笔记本实现,慕尼黑工大220页免费书籍介绍基于物理的深度学习
物理知识和深度学习已经成为了解决现实问题的绝佳组合,但如何更有效地将物理模型引入深度学习领域缺少一个全面的综述。慕尼黑工业大学计算机科学副教授 Nils Thuerey 团队编写的这本书籍对基于物理的深度学习展开了详尽的介绍。书籍地址:::,《基于物理的深度学习》(Physics-based Deep Learning)介绍了物理建模、数值模拟与基于人工神经网络方法的结合。基于物理的深度学习代表了一个非常活跃、快速发展和令人兴奋的研究领域。就内容而言,本书对物理模拟背景下与深度学习相关的所有内容展开了非常全面的介绍
9/16/2021 2:12:00 PM
机器之心
DeepMind联合UCL,推出2021强化学习最新课程
DeepMind 的研究科学家和工程师亲自讲授了一套强化学习课程,目前已全部上线。DeepMind 作为全球顶级 AI 研究机构,自 2010 年创建以来已有多项世界瞩目的研究成果,例如击败世界顶级围棋玩家的 AlphaGo 和今年高效预测的蛋白质结构的 AlphaFold。近几年,DeepMind 联合伦敦大学学院(UCL)推出了一些人工智能线上课程,今年他们联合推出的「2021 强化学习系列课程」现已全部上线。该课程由 DeepMind 的研究科学家和工程师亲自讲授,旨在为学生提供对现代强化学习的全面介绍。课程
9/16/2021 2:09:00 PM
机器之心
揭开深度强化学习的神秘面纱
编辑 | 萝卜皮深度强化学习是人工智能最有趣的分支之一。它是人工智能社区许多显着成就的基石,它在棋盘、视频游戏、自动驾驶、机器人硬件设计等领域击败了人类冠军。深度强化学习利用深度神经网络的学习能力,可以解决对于经典强化学习(RL)技术来说过于复杂的问题。深度强化学习比机器学习的其他分支要复杂得多。在这篇文章中,我们将尝试在不涉及技术细节的情况下,揭开它的神秘面纱。状态、奖励和行动每个强化学习问题的核心都是代理和环境。环境提供有关系统状态的信息。代理观察这些状态并通过采取行动与环境交互。动作可以是离散的(例如,拨动开
9/10/2021 4:16:00 PM
ScienceAI
生物技术初创Lumen与谷歌合作,用机器学习让螺旋藻蛋白生产力翻倍
编辑/凯霞机器学习可以促进基于藻类的生物制剂生产吗?8 月 11 日,西雅图生物技术初创公司 Lumen Bioscience (以下简称「Lumen」)与谷歌宣布合作,将利用机器学习来推进基于螺旋藻(一种蓝绿藻)的药物开发。Lumen 表示,该研究由 Lumen 的信息学负责人 Caitlin Gamble 和谷歌加速科学工程师 Drew Bryant 领导。Lumen 联合创始人 Jim Roberts 说:「谷歌的机器学习和我们基于螺旋藻疗法生产的开创性结合,让我们更接近于一种完全优化的方法,这种方法可能对全
9/2/2021 11:37:00 AM
ScienceAI
综述:药物发现中的机器学习
编辑 | 萝卜皮不知不觉,人工智能已经渐渐延伸到了各个领域,医药领域也不例外。来自印度 B V Raju 理工学院的研究人员发表综述,讨论了药物发现中的机器学习,归纳总结了应用于制药领域的各类机器学习技术,并指出当前该领域发展的难点,以及未来发展方向。该综述以「Machine Learning in Drug Discovery: A Review」为题,于 2021 年 8 月 11 日发布在《Artificial Intelligence Review》杂志。人工智能概念与许多领域密切相关,如模式识别、概率论、
8/31/2021 3:21:00 PM
ScienceAI
优秀!2021年谷歌博士生奖研金陆续揭晓,同济校友王鑫龙、南大校友李昀入选
在近日公布的谷歌2021博士生奖研金部分名单中,来自阿德莱德大学、新南威尔士大学、昆士兰科技大学和悉尼大学的四位博士生获得该殊荣。
8/31/2021 2:38:00 PM
机器之心
UC伯克利教授Pieter Abbeel开课了:六节课入门「深度强化学习」,讲义免费下载
课程视频时间有点长,但希望你能享受学习的快乐。将传统强化学习与深度神经网络结合的深度强化学习,一直以来被视为更接近人类思维方式的人工智能方法。深度学习具备强感知能力但缺乏一定的决策能力,强化学习具备决策能力但对感知问题束手无策,因此将两者结合起来可以达到优势互补的效果,为复杂系统的感知决策问题提供了解决思路。想要入门深度强化学习的同学们,请高度注意,一份优秀、细致、全面的新教材出现了。今天,UC 伯克利教授 Pieter Abbeel 上传了自己的新课程《深度强化学习基础》的最后一节视频,并在推特上安利了一下。这份
8/26/2021 2:01:00 PM
机器之心
周志华、李航、邱锡鹏、李沐、Aston Zhang 5位专家指导,机器之心发布ML术语中英对照词表
几年前机器之心发布了一个旨在构建 AI 领域术语库的开源项目「Artificial-Intelligence-Terminology-Database」(简称「AITD」)。最近,该项目迎来了第三版。除了常规的更新之外,机器之心还在周志华教授、李航博士、邱锡鹏教授、李沐博士、Aston Zhang 博士等领域专家的指导及帮助下形成了「机器学习」专题篇。未来,机器之心还将会持续完善术语的收录和扩展阅读的构建,另外我们也希望更多 AI 技术社区成员参与到术语库的构建之中,具体的参与方式可以查看文章详情。2017 年,机
8/19/2021 2:09:00 PM
机器之心
AAAI 2021论文:Graph Diffusion Network提升交通流量预测精度(附论文下载)
城市流量预测作为智能交通中的一个重要问题,致力于精确预测城市中不同区域的流量信息,从而更好地实现区域间的流量管控、拥塞控制以及保障城市公共安全。本文将介绍一种基于时空图扩散网络的城市交通流量预测模型。本文工作是由京东数科硅谷研发实验室,京东城市和华南理工大学合作的一篇论文《Traffic Flow Forecasting with Spatial-Temporal Graph Diffusion Network》,目前该论文已经被人工智能领域的顶级会议AAAI 2021(CCF A类)接收。
8/11/2021 3:44:00 PM
京东科技开发者
经典教材《统计学习导论》第二版来了,新增深度学习等内容,免费下载
经典的《统计学习导论》又出第二版了,相比于第一版,新版增加了深度学习、生存分析、多重测试等内容,可免费下载。
8/8/2021 12:59:00 PM
机器之心
《Pattern Recognition Letters》特刊通知
主题:深度学习模型安全简介:深度学习已广泛应用于自然语言处理、计算机视觉、数据安全等诸多领域。为学习到有效的深度模型,需花费大量时间和精力来收集数据与分配计算资源。这些模型可能会被非法使用,从而牺牲模型所有者的权益。另一方面,深度学习模型也容易受到对抗样本或毒化数据的攻击。这严重降低了深度学习技术的准确性和可靠性。为此需进行深度学习模型安全研究,保障模型的真实性和可靠性,以抵御各种攻击。该研究还处于起步阶段,虽然已取得了一定进展,但要为基于深度学习的应用开发稳健可靠的模型还远远不够。本期特刊旨在推动深度学习模型的攻
7/5/2021 11:18:00 AM
新闻助手
资讯热榜
智谱AI全新企业级超级助手Agent CoCo正式上线
苹果发布全新Xcode 26开发者工具:内置ChatGPT先进AI功能
豆包App“一句话P图”功能全新升级 基于SeedEdit 3.0实现全面优化
DeepSeek前高管秘密创业,新AI Agent项目已获顶级VC押注
那个男人回来了!Ilya现身多伦多大学毕业典礼:AI 像是用数字方式复制出来的大脑!不管你愿不愿意,AI都将深刻影响你的一生!
ChatGPT 语音功能升级,实时翻译对话更自然流畅
支持MCP!开源智能体开发框架 Rowboat:打造你的智能助手只需几分钟
苹果向开发者开放本地AI能力,推出全新Foundation Models框架
标签云
人工智能
AI
OpenAI
AIGC
模型
ChatGPT
DeepSeek
AI绘画
数据
谷歌
机器人
大模型
Midjourney
用户
智能
开源
微软
GPT
学习
Meta
图像
技术
AI创作
Gemini
论文
马斯克
Stable Diffusion
算法
代码
英伟达
Anthropic
芯片
生成式
开发者
蛋白质
腾讯
神经网络
研究
3D
生成
训练
苹果
计算
智能体
Sora
机器学习
AI设计
AI for Science
Claude
GPU
AI视频
人形机器人
华为
搜索
场景
百度
大语言模型
xAI
预测
伟达
深度学习
Transformer
字节跳动
Agent
模态
具身智能
神器推荐
LLaMA
文本
视觉
Copilot
算力
工具
LLM
驾驶
API
大型语言模型
应用
RAG
亚马逊