第1000期机器学习日报(2017-06-14)
机器学习日报 2017-06-14
- 机器翻译新突破：谷歌实现完全基于attention的翻译架构 @wx:机器之心
- 微软在机器翻译、中国文化、聊天机器人和阅读理解的最新进展 @微软亚洲研究院
- 机器学习中用来防止过拟合的方法有哪些？ @ArnetMiner
- MSRA袁路：深度学习如何让图片和视频在不同的艺术风格间自如切换 @wx:将门创投
- 科普：通俗易懂的机器学习名词解释 @wx:AI科技评论
@好东西传送门 出品,由@AI100运营， 过往目录 见http://ml.memect.com
订阅：关注微信公众号 AI100（ID：rgznai100，扫二维码），回复“机器学习日报”，加你进日报群
本期话题有：
全部19 深度学习9 自然语言处理5 算法5 资源4 视觉3 会议活动2 架构1 应用1
用日报搜索找到以前分享的内容： http://ml.memect.com/search/
今日焦点 (5)
自然语言处理 行业动态 机器翻译
「学界 | 机器翻译新突破：谷歌实现完全基于attention的翻译架构」谷歌宣布在机器翻译上更进了一步，实现了完全基于 attention 的Transformer 机器翻译网络架构，并且还在 WMT 2014 的多种语言对的翻译任务上超越了之前 Facebook 的成绩，实现了新的最佳水平。 http://hao.memect.cn/ta
应用 自然语言处理 机器翻译 机器人 周明
【NLP在微软】自然语言处理（NLP）是微软亚洲研究院深耕已久的领域，语言智能是人工智能皇冠上的明珠。近日，微软亚洲研究院副院长周明博士在“自然语言处理前沿技术分享会”上，与大家分享了微软在机器翻译、中国文化、聊天机器人和阅读理解的最新进展，以及未来的研究方向。 http://t.cn/RSDGQ5R
深度学习 视觉 袁路
「报名 | MSRA袁路：深度学习如何让图片和视频在不同的艺术风格间自如切换？」观看直播及入群>>识别下方二维码，关注“将门创投”微信公众号(thejiangmen)，后台回复“袁路”获取。 http://hao.memect.cn/to
最新动态
2017-06-14 (14)
【非均衡学习mbalanced-learn介绍：机器学习过程中表示不足类的知识抽取】《Introduction to imbalanced-learn：Leverage knowledge from under-represented classes in machine learning(PyParis 2017)》Guillaume Lemaitre http://t.cn/RSDR8pf
会议活动 视觉 CVPR 会议
Loss Max-Pooling for Semantic Image Segmentation #CVPR2017# 本文主要解决的是semantic segmentation中imbalanced training data distributions问题。在semantic segmentation数据集包括现实世界中存在明显的长尾分布的问题，即大多数的数据组成了小部分的类别，因此会导致学习器更偏向于这些类
深度学习 资源 PDF 教育网站
《如何让深度学习在手机应用上也能加速跑？》via:AI100 http://t.cn/RSe8Eqf ref:《Neurosurgeon: Collaborative Intelligence Between the Cloud and Mobile Edge》Y Kang, J Hauswald, C Gao, A Rovinski, T Mudge… [University of Michigan] (2017) http://t.cn/RSe8EqI
算法 资源 PDF 董悦 神经网络
「干货 | 微软亚洲研究院董悦：利用自增强学习训练神经网络生成材质纹理」获取完整PDF+视频回顾>>关注“将门创投”(thejiangmen)微信公众号，回复“170614”获取下载链接。 http://hao.memect.cn/tm
深度学习 算法 强化学习
「Open.ai新算法：一小时内训练AI系统后空翻，仅需900Bit的人类反馈数据」Open.ai与DeepMind安全部门合作开发最新算法，使用少量人工反馈进行强化学习，并能够处理更复杂的任务。 http://hao.memect.cn/tl
算法 自然语言处理 神经网络
「资源 | 基于神经网络的命名实体识别 NeuroNER」本文主要介绍了一种基于神经网络的命名实体识别系统 NeuroNER，它旨在识别文本中的有趣实体，例如位置、组织和时序表达。 http://hao.memect.cn/t9
深度学习 资源 GPU 课程
「教程 | 如何使用Kubernetes GPU集群自动训练和加速深度学习？」这篇教程可以帮助研究人员和爱好者们用他们的GPU集群轻松地对深度学习训练过程进行自动操作和加速。 http://hao.memect.cn/t8
深度学习 算法 强化学习
「OpenAI联合DeepMind发布全新研究：根据人类反馈进行强化学习」DeepMind 和 OpenAI 是现在人工智能研究界最重要的两大研究机构，当其联手时，我们能看到什么样的成果诞生呢？ http://hao.memect.cn/t6
会议活动 视觉 CVPR 会议 李飞飞
「学界 | 李飞飞协同斯坦福、CMU带来全新成果：从网络嘈杂的视频中进行学习」这项研究是李飞飞团队在今年CVPR上的一项最新工作，该方法提出了一种模型用于自动标注网络中巨量的嘈杂视频 http://hao.memect.cn/t3
深度学习 自然语言处理
【DeepNLP 科普贴：既是地下的富矿，也是“魔鬼”的居所】将流行的深度学习技术（deep learning）与NLP相结合，打造出更深度自然语言处理（DeepNLP）成为了火爆的AI概念。而这个概念背后指向的应用性近乎于是无限广泛的，甚至有人认为人类将史无前例地打开语言这个魔鬼迷宫。http://t.cn/RSeW53X
深度学习 自然语言处理
卷积网络易用，简单，效果好，而且很神奇；RNN还是一个序列类的东西，对NLP的抽象能力太弱，而且计算大，不好用；AlphaGo使用的也是卷积做价值网络；卷积真是一个神奇的发明，人们不断的在使用中发现它可能可以做到的事以及原理。
教育网站
【e-VDS视频数据集】“e-VDS – e-Lab Video Data Set(s): sophisticated video data sets to train machines to recognise objects in our environment” http://t.cn/RSgYVcD
架构 深度学习 资源 Spark 视频 数据科学
【Spark上的数据科学与深度学习】《Data Science and Deep Learning on Spark with 1:10th of the Code – YouTube》by Roope Astala http://t.cn/RSgY766
深度学习 算法 论文 强化学习
《Deep reinforcement learning from human preferences》P Christiano, J Leike, T B. Brown, M Martic, S Legg, D Amodei [OpenAI & DeepMind] (2017) http://t.cn/RSgjxQ4
