标签： 学习
【译文】为什么手写更有利于记忆和学习？
让精细运动系统参与手写字母对学习和记忆有积极影响
Google 辟谣放弃 TensorFlow，它还活着！
未来它将与 JAX 同在。
如何入门PyTorch自然语言处理？
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。
如何入门 PyTorch 自然语言处理？
如何入门PyTorch自然语言处理？本文最初发布于Exxact官方博客。随着人工智能和深度学习程序在未来几年的蓬勃发展，自然语言处理（N
TensorFlow，危！抛弃者正是谷歌自己
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…
做了 5 年机器学习研究，我发现了这 7 个真相
但直到今天，我才终于搞清楚了很多自己之前不知道的事物，甚至我还可能觉察到一些别人不知道的东西。
做了 5 年机器学习研究，我发现了这 7 个真相
做了5年机器学习研究，我发现了这7个真相在Mindsdb从事3年自动机器学习工作后，我辞职了，至少我不会在短时间内从事任何与机器学习相关的职
亚马逊机器学习服务Amazon SageMaker 又添九项新功能！
亚马逊机器学习服务Amazon SageMaker 又添九项新功能！
用程序员的独特视角解读《隐秘的角落》
这段对话其实被后期修改过了，口型和内容不吻合。至于「隐秘」剧组为什么要修改这段台词，我也是在还原了原对话之后才知道答案，因为原对话实在过于黑暗了，坐实了朱朝阳的黑化，是不可能过审的。
“你们都很懂，从此我不说话了”，深度学习先驱Yann LeCun被骂关Twitter
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。
趣图：对深度学习的考验
深度学习是否成功可以用适合的图片测试它
为什么深度学习这么容易被欺骗？
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
吴恩达的 CS229，有人把它浓缩成 6 张中文速查表
当时因为这门课太火爆，吴恩达不得不弄了个超大的网络课程来授课，结果一不小心从斯坦福火遍全球，而后来的事情大家都知道了。
闲鱼是如何处理复杂背景内容识别的
本篇我们通过复杂背景内容提取的介绍，提出了一种机器学羽为主，图像处理为辅去精确获取特定前景内容的方法，得到了高精确率、高召回率和高定位精度的识别结果。
如何判断你的项目是不是真的需要用到 AI？
如果你准备使用机器学习或人工智能，我们希望，对于本文所列的所有问题，你的回答都是 “Yes”。
谷歌刷新机器学习世界纪录！2 分钟搞定 ImageNet 训练
Google 于近日推出了一种大规模计算集群的图像分类人物训练解决方案，相关论文发表于 Arxiv。本文的作者使用 Google TPU v3 Pod 训练 ResNet-50，在识别率没有降低的情况下，仅使用了 2.2 分钟的时间。
从 Google Trends，看各大深度学习框架使用热度
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。
译 | 什么是深度学习里的卷积？
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。
机器学习项目失败的9个原因
在机器学习中，根据对数据的训练和测试来衡量模型的性能是非常重要的。该信息将用于选择要使用的模型、超参数和确定模型是否已准备好用于生产使用。为了衡量模型的性能，最重要的是选择最佳的评估标准来完成手头的任务。
机器学习是统计学的新瓶装旧酒？
最近，社交媒体上疯传一张表情包（如下图）。随着机器学习的炒作开始消退，看到这张图的人将会心一笑。“机器学习真的没什么好让人兴奋的”或者“它只是对古老统计学的改进”这类情绪越来越普遍。但问题是，这不是真的。
Github上有趣的项目，用机器学习训练AI下五子棋
谷歌旗下人工智能公司 DeepMind 发布了一篇新论文，它讲述了团队如何利用 AlphaGo 的机器学习系统，构建了新的项目 AlphaZero。AlphaZero 使用了名为「强化学习」（reinforcement learning）的 AI 技术，它只使用了基本规则，没有人的经验，从零开始训练，横扫了棋类游戏 AI。
美团是如何基于深度学习实现图像的智能审核？
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。
这是我看过解释TensorFlow最透彻的文章！
这里介绍的概念对所有 Tensorflow 程序来说都很重要，但这些还都只是表面上的东西。在你的 Tensorflow 探险之旅中，你可能会遇到各种你想要使用的其他有趣的东西：条件、迭代、分布式 Tensorflow、变量作用域、保存和加载模型、多图、多会话和多核数据加载器队列等。
深度学习技术其实没那么美好
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
谷歌发布机器learning的43条规则
本文档旨在帮助已掌握机器学习基础知识的人员从 Google 机器学习的最佳实践中受益。它介绍了一种机器学习样式，类似于 Google C++ 样式指南和其他常用的实用编程指南。如果您学习过机器学习方面的课程，或者拥有机器学习模型的构建或开发经验，则具备阅读本文档所必需的背景知识。
