机器学习-金马国际

做了 5 年机器学习研究，我发现了这 7 个真相

我已经做了 5 年机器学习研究，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。

不同于谷歌，京东选择从应用场景出发迭代对话式 ai 技术

作为人工智能领域的关键技术，对话式 ai 将会成为未来最有价值的领域。

人工智能的技术变革：hms core 让你也拥有《星球大战》中的机器人

ai 技术在促进各行各业快速高效发展的同时，现实的业务需要也在反向促进着 ai 技术的迭代变革。

谷歌 deepmind 喜事连连：刚推出全能 ai 模型 gato，又收获 gan 之父

5 月 7 日，苹果机器学习总监 ian goodfellow 离职，近日据外媒报道，ian goodfellow 将加入谷歌人工智能研究部门 deepmind。

英伟达正式宣布开源 gpu 内核模块代码

目前该项目已经收获 7.7k star，众多网友对本次开源纷纷表示难以置信。

云上企业如何加速创新？亚马逊云科技发布数智融合新趋势

企业要想重塑数据洞察，一定要做到数智融合，将数据（大数据技术）和智能（机器学习技术）进行融合和统一。

“我不想回办公室上班。”

尽管人工智能研究最近取得了显著进展，但我们离创造出像人一样善于思考和学习的机器还很远。

“走进不同的世界，成为不同的自己”这句话从剧本杀诞生起便存在。

在机器学习从开发到上线的闭环中，实时特征计算是其中的重要一环，用于完成数据的实时特征加工。

腾讯“混元”ai 大模型刷新 clue 分类榜历史记录

这是“混元”ai 大模型在斩获跨模态检索榜单大满贯后，取得的又一突破性进展，展现了该模型在自然语言处理上的实力。

支持 100 余种语言互译，华为机器翻译框架 optimus 咋做的？

英伟达研发主管：ai 是如何改进芯片设计的？

在春季 gtc 会议上，英伟达首席科学家兼研究部高级副总裁 bill dally 介绍了英伟达研发机构的基本情况，以及当前一些优先事项的细节。

决定现代机器学习发展的三个基础是计算、数据和算法进化 (ml，机器学习)，本文着眼于最易量化的元素的趋势。

随着流量红利，人口红利消失，互联网的黄金年代悄然逝去，应用创新也从蛮荒年代步入精细化时代。对于开发者而言，技术创新与对行业的深刻洞察变得愈发重要。

用好数据科学技能，让我有了一份“睡后”收入。

这篇文章探讨了优化测试执行、节省机器资源、缩短向开发人员反馈的时间等几个方面。

多人 3d 人体姿态估计是当前的一个热点研究课题，也具有广泛的应用潜力。

本文将展示如何使用经过优化的、基于转换器的命名实体识别（ner）以及 spacy 的关系提取模型，基于职位描述创建一个知识图谱。

deepmind 研究人员最近发表了一篇论文，认为深度学习能够帮助发现被人类科学家忽视的数学关系。

本报告总结了 infoq 编辑团队和多位业内人士针对软件开发行业移动和物联网领域的多个新兴趋势的观点。这一领域内涵相当丰富，包括了智能手机、智能手表、物联网设备、智能眼镜、语音助手等多种设备和物件。

这些算法之所以与众不同，是因为它们包含了一些在其它算法中并不普遍的优点。

gpt-3 和 codex 背后的这家公司并不像他们宣传的那样开放。

“不要把时间浪费在 kaggle 竞赛上。在处理真正的业务问题时它一点用都没有。”

从生命和生存的角度看待智能，对于理解人工智能的当前状态，包括其局限性、潜力和未来方向等，至关重要。

这种新的人工智能系统使用了一种相对较新的方法，称为“小样本学习”，即模型通过大量的、一般性的理解，再通过少量的、在某些情况下为零的标记样本，来学习新任务。

在几年前，训练一个 ai 模型所需的时间还可能长达数周之久。