回到主页

智源社区AI周刊#001 (2019.12.16)

——智源社区AI周刊 发布于 2019/12/16

智源社区AI周刊,从学术(论文和新思想分享、最新学术会议等),行业和政策(技术产业政策、项目基金申请、技术投融资等),人物(学者的人士变动和获奖情况)、数据(数据集分享),产品(新工具和应用推荐),求职(职场研究报告等)等诸多角度,鸟瞰过去一周内在人工智能领域值得关注的新思想、新动向和新成果等,以飨大家。

在过去一周(2019/12/9~2019/12/15)左右时间,首先值得推荐的内容有以下3方面:

  •  第32届神经信息处理系统大会(NeurIPS 2019)在加拿大温哥华正式召开,大会总共有1428篇文章被收录,并在今年新增了杰出新方向论文奖,该会议是人工智能理论领域最重要且最有影响力的会议之一,其中的很多研究成果对人工智能理论和应用的发展都有很强的启发性。
  • 斯坦福大学发布2019年AI年度报告,该报告从研发、会议、技术性能等多个角度统计了上一年度 AI 领域各个方面的进展,向我们全面且详细地展示了这一年来AI发展的情况,既是对前一年工作的总结,更可以为相关从业人员指明下一年的方向。
  • 2019 ACM Fellow刚刚发榜,共有58人入选,其中包括陶大程、谢源、陈熙霖等7位华人学者,ACM Fellow是由美国计算机协会授予资深会员之荣誉,表扬对于计算机相关领域有杰出贡献之学者,该荣誉是对学者研究成果的极大肯定。

下面,是上一周(2019/12/9~2019/12/15)左右时间内,在AI领域值得关注的各个要点的详情介绍。

- 论文推荐 -

一种基于正类与未标记样本(PU)的云端网络压缩方法

Positive-Unlabeled Compression on the Cloud

现有的网络压缩和加速方法通常需要完整的原始训练集(例如ImageNet)来对模型微调,但上传这些数据到云端往往是非常耗时的。为此,作者提出了一种基于正类与未标记样本(PU)的云端网络压缩方法。只需要原始训练集的一小部分作为正类(positive)样本,通过带有基于attention的多尺度特征提取器的PU分类器,就可从云端大量未标记(unlabeled)的数据中获得更有用的训练样本。再进一步使用改进的鲁棒知识蒸馏(Robust Knowledge Distillation)方法解决新增训练集中的类别不平衡问题。实验表明,可以使用ImageNet中8%的数据来获得性能与基准ResNet-34相当的高效模型。

来源:NeurIPS 2019 | 论文下载

全参数化分布,提升强化学习中的收益分布拟合能力

Fully Parameterized Quantile Function for Distributional Reinforcement Learning

强化学习正在游戏领域中被广泛应用,其中基于分布拟合的强化学习算法是目前性能最好的一类方法。在这类方法中,如何参数化收益分布是算法设计的核心问题。现有的参数化方法在对累积概率分布进行拟合的时候,往往是选择固定的分位点概率或者随机采样的分位点概率。但是不同分位点概率带来的拟合误差往往差别很大。为了更好的拟合收益分布,微软亚洲研究院提出了可自适应的累积分布分位点概率,可以找出对于拟合累积分布函数最关键的几个分位点概率,实现了全参数化的分位函数,大大提升了对收益分布的拟合能力。

来源:NeurIPS 2019 | 论文下载

基于“解构-重构”的图像分类学习框架

Destruction and Construction Learning for Fine-grained Image Recognition

本文提出了一种全新的基于“解构-重构”(Destruction and Construction Learning, DCL)的图像分类学习框架,来强化神经网络对于“专家”知识的学习。在 DCL 框架中,除去基本的标准分类骨干网络(Backbone)以外,我们引入了两个全新的模块:解构模块以及重构模块。其中解构模块通过区域混淆机制(Region Confusion Mechanism, RCM)将图像中物体的结构信息进行“破坏”,即将原始图片划分为多个子区域,并对其进行随机打乱。通过将无物体结构信息的信号输入到骨干网络中的方式,迫使分类网络必须更多地关注具有判别意义的局部子区域来发现差异。同时为了避免 RCM 引入的噪声视觉特征模板,我们使用能区分原始图像和破坏图像的对抗性损失,对噪声图像特征加以区分。最后,经过骨干网络得到的图像特征信息,会再一次经过“重构”模块,该模块使用一个区域对齐网络对被破坏掉的图像中的局部区域之间的语义相关性进行建模,试图恢复局部区域原本的空间布局(结构重建)。

来源:CVPR 2019 | 论文下载 | 代码链接

开源中文预训练语言模型“哪吒”

NEural ContextualiZed Representation for CHinese LAnguage Understanding

自Google于2018年发布预训练语言模型BERT ,并在11项自然语言处理(NLP)任务上取得最好成绩,预训练语言模型开始得到学术界和工业界的极大关注,已经成为自然语言处理的新范式。各个公司和高校的研究团队陆续推出了新的预训练语言模型,并不断刷新NLP任务上的记录,如CMU和Google推出的XLnet ,Facebook AI推出的RoBERTa ,百度推出的ERNIE 等。华为诺亚方舟实验室语音语义团队与海思、云BU等团队合作,共同研究大规模预训练模型的训练技术,发布了自己的中文预训练语言模型NEZHA。当前版本的NEZHA基于BERT模型,并进行了多处优化,能够在一系列中文自然语言理解任务达到先进水平。

来源:华为诺亚实验室 | 论文下载 | 代码链接

深度学习系统的隐私与安全综述

Towards Privacy and Security of Deep Learning Systems: A Survey

在过去的几年里,深度学习取得了巨大的成功,无论是从政策支持还是科研和工业应用,都是一片欣欣向荣。然而,近期的许多研究发现,深度学习拥有许多固有的弱点,这些弱点甚至可以危害深度学习系统的拥有者和使用者的安全和隐私。深度学习的广泛使用进一步放大了这一切所造成的后果。为了揭示深度学习的一些安全弱点,协助建立健全深度学习系统,来自中科院信息工程所和中国科学院大学网络安全学院的研究人员,全面的调查了针对深度学习的攻击方式,并对这些手段进行了多角度的研究。

来源:中科院信工所 | 论文下载

- 观点 -

院士张钹:第三代AI算法是符号主义和联结主义的整合

最早的第一代人工智能模型是以知识和经验为基础的推理模型,经实践并没有取得成功;随后的第二代人工智能,是利用基于大数据的深度学习,获得了意想不到的成就,但因为算法的不可解释性导致很多安全隐患;张钹认为第三代人工智能算法将是人工智能符号主义、联结主义这两条发展路线的优化整合,在目前第二代人工智能的基础上,加进人类的常识、知识,建立一个可解释的、鲁棒的人工智能理论,发展可信、安全和可靠的人工智能技术。

来源:北京智源人工智能研究院 | 报道链接 | 视频链接

- 行业和政策 -

斯坦福2019 AI年度报告出炉,全球私有部门对AI投资达700多亿美元

2019年12月12日,斯坦福大学发布了2019人工智能索引报告(2019 AI Index Report)。这是斯坦福大学第三年发布该报告。报告从研发、会议、技术性能等多个角度统计了上一年度 AI 领域各个方面的进展。根据报告,2019年,中国AI论文发表数除了全球领先——还首次超越欧洲;AI专业受到空前热捧,清华AI课程注册3年翻4倍。此外,2019 年,全球私有部门对 AI 的投资达到 700 多亿美元,其中对 AI 创业公司的投资为 370 亿美元;获得私人投资最多的 AI 领域是自动驾驶汽车领域,投资额达 77 亿美元,其次是医药和癌症研究及人脸识别。

来源:AI Index | 原始报道 | 中文报道

人工智能中国专利技术分析报告发布

专利是衡量企业技术实力、甚至是国家创新能力的重要指标。12月2日,国家工业信息安全发展研究中心发布《人工智能中国专利技术分析报告》。报告指出,中国人工智能领域的专利申请量呈逐年上升趋势。而中国人工智能专利申请量排名中,百度以5712件位列第一,并包揽了深度学习技术、语音识别、自然语言处理、智能驾驶等多个人工智能核心领域第一。这也是百度连续两年蝉联第一,中国AI“头雁”实力强劲。

来源:中国知识产权网 | 报道链接 | 报告全文链接

国家自然基金2020申报新政发布,基金申请将面临重大变革

12月11日,2019年度国家自然科学基金管理工作会议在北京召开。虽然2020年度基金申请指南尚未正式发布,但从会议出的消息显示,明年基金申请将面临重大变革:无论高级中级职称,研究人员作为负责人和主要参与者,申请和承担项目总数不超过两项。这一政策的实施,将为2020年度基金申请带来重大冲击,彻底改变面上项目竞争势态。以杰青长江乃至优青青千为代表的学霸级科研人员将基本退出面上项目的竞争,为广大普通科研人员开启一道大门。

来源:专知 | 报道链接

无人机第一股”亿航登陆纳斯达克,市值6.63亿美元

12月12日晚间,中国无人机企业亿航智能正式登陆纳斯达克,成为中国无人机第一股。亿航智能的主营业务是提供自动驾驶飞行器(AAV)和解决方案,包括城市空中交通(包括载人交通和物流运输),智慧城市管理和空中媒体等应用领域。据悉,亿航智能的发行价确定在12.5美元/ADS,为早前发行价区间的最低点。以此价格计算,亿航智能的IPO募资总额将为4000万美元,市值达6.63亿美元。上市首日,亿航智能股价微跌0.08%,报12.49美元/ADS。

来源:新京报 | 报道链接

LeanTaaS获高盛4000万美元C轮融资,通过AI优化医疗诊所运营

LeanTaaS是一家预测分析公司,利用基于云的解决方案来解决诸如资源利用之类的问题,从而利用数据科学来“根本地”改善医疗保健提供者的绩效。LeanTaaS于2010年成立,并筹集了1400万美元的风险投资,并与非营利性国家综合癌症网络联盟中的20个中心和30个国家癌症研究所成员机构合作。在由Insight Partners牵头进行了三笔总计6100万美元的融资后,该公司宣布12月12日已完成4000万美元的C轮融资该轮融资是由高盛的商业银行部完成的,募集资金总额超过1亿美元。

来源:雷锋网 | 报道链接

- 人物 -

2019 ACM Fellow发榜,陶大程、谢源、陈熙霖等7位华人学者当选

2019年12月12日,2019 年度 ACM Fellow 名单正式公布,共 58 人入选。陶大程、谢源、李向阳等华人科学家代表成为新晋 ACM Fellow。ACM(Association for Computing Machinery, ACM)是美国计算机协会的简称,创立于 1947 年,是全世界计算机领域影响力最大的专业学术组织之一。ACM Fellow 则是由该组织授予资深会员的荣誉,目的是表彰对于计算机相关领域有杰出贡献的学者,其审查过程十分严格,每年遴选一次。全球每年的入选人数几乎都不到 60 人。今年,中科院计算技术研究所副所长陈熙霖与中国科学技术大学李向阳教授成为国内机构入选代表。此外,入选 2019 ACM Fellow 的华人代表还有加州大学洛杉矶分校的吕松武教授、加州大学伯克利分校的宋晓东教授、悉尼大学的陶大程教授、加州大学圣塔芭芭拉分校的谢源教授、微软亚洲研究院副院长周礼栋博士。

来源:新智元 | 报道链接 

- 数据 -

麻省理工、IBM合推新型数据集:ObjectNet

在人工智能领域中的图像分类问题上,最常用来训练和测试的数据集是 ImageNet,它也是全球最大的“CV 习题库”。近日,麻省理工学院和 IBM 研究人员组成的团队,共同创建了一个与之不同的图像识别数据集 ObjectNet,难倒了世界上最好的计算机视觉模型,体现了该数据集对模型在类似于物体旋转、背景变换、视角切换等复杂情境下的拟合能力有更高的要求。

来源:DeepTech深科技 | 报道链接 | 数据集网址

清华大学刘知远课题组发布FewRel 2.0数据集

少次学习(Few-Shot Learning)正是致力于探索模型如何能快速适应新任务的一种方式。在 CV 领域,常用的少次学习数据集有 miniImageNet 和 Omniglot。而在 NLP 领域,清华大学的刘知远老师组去年发布了 FewRel——一个大规模的少次学习关系抽取数据集。该数据集仅发布一年便获得了多次引用,也有许多研究者以此为基础展开相关研究。而在今年的 EMNLP 上,该团队又发布了数据集的升级版:FewRel 2.0。本文将介绍2.0相较于1.0的区别。

- 代码 -

使用高斯混合模型,让聚类更好更精确

无监督学习问题提供了一个完全不同于监督学习问题的挑战:提供更大的空间来试验我的数据。这也不难理解机器学习领域的大多数发展和突破都发生在无监督学习这一块。其中最流行的技术之一是聚类,这通常我们在早期学习机器学习时学习的概念,而且很容易掌握。本文简单介绍聚类的基础知识,包括快速回顾K-means算法,然后深入研究高斯混合模型的概念,并用Python实现。

来源:Analytics Vidhya | 原始报道 | 中文报道

华为诺亚方舟预训练语言模型NEZHA、TinyBERT开源代码

预训练语言模型对自然语言处理领域产生了非常大的影响,华为诺亚方舟实验首席科学家刘群,前不久在AICon全球人工智能与机器学习技术大会上,分享了华为诺亚方舟实验室在预训练语言模型研究与应用。最近就在github上开源了中文预训练模型NEZHA与高效的BERT压缩模型TinyBERT。

来源:专知 | 报道链接 | GitHub链接

如何用简单的Python为数据科学家编写Web应用程序?

在过去,一份精心制作的可视化图表或几页PPT便足以展示一个数据科学项目,然而随着RShiny和Dash这类的仪表板工具的出现,优秀的数据科学家也需要具备相当丰富的Web框架知识。但是学习Web框架的难度很大,笔者在HTML、CSS和Javascript中摸爬滚打,却依然对一些看似简单的操作感到困惑。更别提如何用多种方式去实现同一件事了,这会让数据科学同胞感到更加困惑,毕竟对他们来说,Web开发只是一项次要的技能。StreamLit的横空出世使得利用Python来创建Web应用程序成为现实。

来源:kdnuggets | 原始报道 | 中文报道

- 教程 -

【课程】斯坦福Jure Leskovec新课CS224W:图机器学习

近年来,图神经网络(GNN)成为网络表示学习和分析的热点研究问题,其特点是将以神经网络为代表深度学习技术用于网络结构的建模与计算。图神经网络能够考虑网络中的节点、边及其附带的标签、属性和文本等信息,能够更好地利用网络结构进行精细建模和深度推理,已经被广泛用于自然语言处理、社会网络分析、推荐系统等领域。这个课程应该是近年来第一次全面总结图机器学习相关的课程,课程设置非常新颖也非常全面,包括近年来火热的图神经网络的局限和应用等等。

来源:斯坦福大学 | 课程网址 | PPT下载链接

【课程】吴恩达deeplearning.ai新课:TensorFlow移动和web端机器学习

该专项课程总共分为四个部分,需要学习者已经掌握tensorflow的基础知识,主旨在于帮助学习者了解如何让机器学习模型从实验阶段走向实际应用。首先,你可以了解到在浏览器和移动设备中训练模型。同时,你可以学习如何仅用几行代码使用内置数据集、完成数据分割和处理各种非结构化数据的工作。最后,你还能了解很多应用场景,并了解 TensorFlow Serving、TensorFlow Hub、TensorBoard 等。

来源:coursera | 课程网址

【书籍】贝叶斯网络进展与新应用

贝叶斯网络(Bayesian networks,BN)最近在众多领域中引发了兴趣,参与了许多不同的应用,包括经济、风险分析、资产和负债管理、人工智能和机器人、交通系统规划和优化、政治学分析、法律和法医科学评估、药理学和药物基因组学、系统生物学和代谢组学、心理学和政策制定和社会方案评价等。这种强烈的响应可以看出,结构和过程的概率贝叶斯模型是可靠的和稳定的因果关系的表示。与传统的频率统计方法相比,BN通过合并新的数据而获得增量或纵向改进的能力提供了额外的优势。本书的参与者阐明了BN这些方面的各种新的进展。

来源:专知 | 原始链接 | PDF下载地址

【书籍】UC伯克利李沐《动手学深度学习》:TF2.0版本

李沐的《动手学深度学习》开源书一经推出便广受好评。很多开发者使用了书的内容,并采用各种各样的深度学习框架将其复现。据机器之心所知,现在已有 MXnet(原版)和 PyTorch 版本。本项目将原书中MXNet代码实现改为TensorFlow2.0实现。

来源:Github | 项目链接 | 网页展示链接

【快速入门】语言模型秒变API,一文了解如何部署DistilGPT-2

模型又大又复杂,部署和使用就成了难题。本文是一篇教程,在本教程中,我们将在 AWS 上将 Hugging Face 的 DistilGPT-2 部署为 Web API。我们的 API 将建立在可自动缩放,监控,更新和记录日志的基础上。

来源:Towards Data Science | 原始报道 | 中文报道

- 新工具 -

解析TensorFlow 2.0中的tf.keras和Keras

随着 TensorFlow 2.0 的发布,不少开发者产生了一些疑惑:作为 Keras 用户,TensorFlow 2.0 的发布跟我有关系吗?TensorFlow 中的 tf.keras 和 Keras 有什么区别?我该用哪一个训练神经网络?在本文中,作者给出的答案是:你应该在以后所有的深度学习项目和实验中都使用 tf.keras。

来源:pyimagesearch | 原始报道 | 中文报道

飞桨全新发布工具组件

在 Wave Summit+2019 秋季深度学习开发者峰会上,飞桨全新发布和重要升级了最新的 21 项进展,在深度学习开发者社区引起了巨大的反响。本文分别从核心框架、基础模型库、端到端开发套件、工具组件和服务平台五个层面分别详细解读飞桨的核心技术与最新进展,帮助了解飞桨发布会背后的更多技术细节。

来源:donews | 报道链接 | 项目网站 | GIthub链接

寒武纪推出BANG语言,高效编程模式释放智能芯片强劲性能

寒武纪作为全球人工智能芯片领域的先行者,自2016年开始推出一系列人工智能芯片和智能处理卡,向合作伙伴提供了性能卓越、高度灵活的AI加速解决方案。为进一步推动AI计算实现软硬协同,释放更澎湃的算力,寒武纪提供包括BANG编程语言在内的一套高效软件栈工具和高性能库,方便开发者在寒武纪云、边、端平台上开发和部署。

来源:寒武纪 | 报道链接

哈工大讯飞联合实验室发布飞鹰智能文本校对系统1.0

随着计算机和信息技术的迅猛发展,文本校对的工作量不断增加,人工校对已无法适应迅速增长的校对需求。哈工大讯飞联合实验室基于深厚的自然语言处理技术基础,长期以来在中文文本校对上进行深入研究,研发出飞鹰智能文本校对系统。飞鹰校对涵盖文本校对的拼写纠错、语法纠错、标点纠错及敏感词检测等不同校对模块,各项功能均达到业界领先水平。系统可针对不同领域的文本校对需求,为行业客户提供定制化的解决方案,现已支持通用领域、司法领域和教育领域,在后续将进一步开放更多其他领域的文本校对服务。

来源:哈工大讯飞联合实验室 | 报道链接 | 使用链接

GitHub新项目:可视化编辑器SwiftLaTeX,实现LaTeX 代码“所见即所得”

LaTeX 是一个很多人都比较熟悉的文字排版系统,很多理工科的研究者和学生都在使用。它通过代码的形式,让写出来的报告和论文保持良好的格式,因此受到欢迎。LaTeX 有一个小小的缺点——写好的 LaTeX 代码并不能够立刻表现为真实的排版效果。近日,GitHub 出现了一个新的项目,是一个名为 SwiftLaTeX 的可视化编辑器。该项目最大的亮点在于:你编写的 LaTeX 代码能够立刻展示实际的效果,所见即所得。这个编辑器还是基于浏览器的,还支持云文件存储。

来源:机器之心 | 报道链接 | GIthub链接

- 应用 -

沃尔玛与Nuro合作,休斯顿试点无人送货车,项目2020年启动

零售巨头沃尔玛于2019年12月10日宣布,与自动驾驶初创公司Nuro(使用无人驾驶技术向客户送货的机器人公司)合作,将于2020年开始在休斯顿测试自动驾驶车,为客户带来更便利的食品杂货配送选择。具体来说,未来几个月内,沃尔玛将在休斯顿部分门店提供自动送货服务,而配送货物的将是Nuro最新一代自动驾驶电动送货车R2。

来源:AI报道 | 报道链接

如本科技发布计算机视觉新品,自动化领域迎来新玩家!

如本科技是于2018年初创建的,其核心团队由计算机视觉、机器人和光学领域技术专家组成,深耕于视觉感知与运动规划领域。该公司历时两年多的研发,近期带着自己的最新产品正式亮相,其中包含两款计算机视觉产品:三维成像达到微米级精度的RVC X系列3D相机、非接触式高精度的视觉位移分析仪VDA,以及一款与主流机器人深度适配的机器人运动规划控制器。

来源:雷锋网 | 报道链接

腾讯战略投资,燧原科技首款AI训练芯片出炉

12 月 11 日,燧原科技在上海举办了成立以来的首场发布会,推出了完全自主研发的首款 AI 训练芯片「邃思 DTU」,以及搭载该芯片的 AI 加速卡云燧 T10。燧原科技的新产品,标志着AI训练芯片的又一次进步,这给深度学习技术的发展提供了有力的支持和保障。

来源:机器之心 | 报道链接

美国 AI 公司宣称用 3D 面具即可骗过微信、支付宝等的人脸识别系统

据美国《财富》杂志报道,美国圣地亚哥的一家人工智能公司Kneron用一个特质的3D面具,成功欺骗了包括支付宝和微信在内的诸多人脸识别支付系统,完成了购物支付程序。该团队还宣称,他们用同样的方式甚至进入了中国的火车站。Kneron的首席执行官刘峻诚说,这表明面部识别技术并未达到安全标准,这将对用户隐私带来威胁。

来源:雷锋网 | 报道链接

- 会议 -

NeurIPS 2019召开,最佳论文出炉,今年增设“新方向奖”,微软华人学者获经典论文奖

第32届神经信息处理系统大会(NeurIPS 2019)在加拿大温哥华正式召开。据大会官方介绍,今年的参会人数达到了空前的1.3万人。另外大会的投稿数量、接收论文数量也创下了历史新高,总共有1428篇文章被收录。在NeurIPS 2019召开的第一天,大会评委公布了杰出论文奖和经典论文奖。其中杰出论文奖获奖论文"Distribution-Independent PAC Learning of Halfspaces with Massart Noise" 讨论了Massart 噪音下的高效半空间学习问题 ,NeurIPS给出的官方点评是在机器学习的open问题上做出重大进展,由此看出今年NeurIPS风向标是更加注重ml的理论问题。此外,大会评委还希望能够避免一些效率低下、过于复杂的论文,推荐一些趋势性的杰出文章,为此增设了杰出新方向论文奖,以表彰那些为未来研究提出新方向的杰出工作。

来源:Neural Information Processing Systems Conference | 原始报道 | 中文报道

2019年第105届北美放射学会(RSNA)召开

2019年第105届北美放射学会(RSNA)年会于2019年12⽉1⽇⾄6⽇在美国芝加哥举⾏。RSNA年会是全球放射学界规模最⼤、最能代表⾏业未来发展⽅向的医学盛会。其⽬标是通过教育和研究活动促进放射学和相关科学的⾼⽔平发展,为放射学者和保健学家提供继续教育计划和⾼质量的学习材料,并不断改进学术会议和教育活动的内容。RSNA致⼒于放射学和相关学科的研究,包括促进健康检查的基础临床医学研究,同时⿎励放射学者之间的交流合作以及其会员同其他医学分⽀及专业保健⼈员的交流等。我们将从学术进展和企业成果两方面向您介绍本次大会的内容。

来源:雷锋网 | 学术进展报道 | 企业成果报道

WAIC 开发者·临港人工智能开发者大会

2 月 6 日,由世界人工智能大会组委会指导,上海市经济和信息化委员会、中国(上海)自由贸易试验区临港新片区管理委员会、上海临港经济发展 (集团) 有限公司主办的「WAIC 开发者·临港人工智能开发者大会」在上海临港开幕。在这场一千多位全球优秀人工智能开发者齐聚的盛会上,多位来自学界和业界的代表分享了他们在开发领域的实践经验。

来源:机器之心 | 报道链接

- 竞赛 -

Kaggle:Deepfake 合成人脸检测比赛(DFDC)

Deepfake技术可显示AI生成的视频,虚构人们在做和说的事情,这可能对人们确定在线呈现的信息的合法性产生重大影响。考虑到深造假冒可能被恶意用作错误信息,操纵,骚扰和说服力的来源,这些内容生成和修改技术可能会影响公共话语的质量和维护人权。识别受控媒体是一项技术要求高且发展迅速的挑战,需要整个技术行业及其他行业的合作。该竞赛即需要参赛者设计算法识别AI生成的视频。

来源:CVer | 比赛链接 | 报道链接

- 经验 -

好的研究想法从哪里来

如何判断一个研究想法好不好,以及这些研究想法从哪里来,对于初学者而言的确是个难题。其实,好的点子或者想法(idea),也是一篇优秀研究成果的灵魂。清华大学计算机系人智所副教授刘知远在本文中针对该问题分享一些经验和想法,希望对刚进入NLP领域的新同学有用。

来源:知乎 | 报道链接

Kaggle你问我答——Jiwei Liu

Kaggle你问我答(AMA)第二期活动。本期嘉宾Jiwei Liu。他7年前开始参加kaggle竞赛,Tabular Data/Computer Vision比赛均有涉猎。截至目前共斩获15金28银11铜,kaggle最高排名全球第8。

- 求职 -

【面试】22道机器学习常见面试题目

本文为你带来22道机器学习常见的面试问题和回答。

来源:数据派THU | 报道链接

【行业】从阿里巴巴算法岗简历看2020校招求职现状

本文统计阿里巴巴32 个算法岗求职者的学历、学校层次、论文、实习和比赛等多个方面,根据最终面试的情况分析了各方面条件对于求职的作用,并对在读的学生给出了具体的方向建议。

来源:知乎 | 报道链接

以上是《智源AI资讯周报》第1期的内容,智源研究院编辑团队将本着“提供真正内行的AI资讯”的目标,不断优化和完善我们的内容服务,各位读者们如有批评意见,或者好的建议,请不吝赐教发至:editor@baai.ac.cn。谢谢大家。

特约编辑:刘布楼 常政 王炜强 刘沂喆

所有文章
×

还剩一步!

确认邮件已发至你的邮箱。 请点击邮件中的确认链接,完成订阅。

好的