随笔分类 - 人工智能
人工智能，深度学习，机器学习，神经网络
摘要：尼克，乌镇智库理事长，数知科技创始人，国家“千人计划”专家。早年负笈美国，师从“强化学习”算法发明者；曾在哈佛和惠普工作。
近日，尼克的《人工智能简史》由人民邮电出版社出版，他在书中全面勾勒人工智能半个多世纪的历史，再现了AI史上大师的工作、交往。就人工智能的历史、现实与未来诸问题，《上海书评》对他作了专访。
阅读全文
摘要：AlphaGo设计师黄士杰：“最强的学习技能在人类的脑袋里”
深度学习和强化学习结合看来才能解决彩票预测的问题
可以这么说，AlphaGo的成功就是深度学习与强化学习的胜利，因为两者结合在一起，建构判断形式的价值网络(Value Network)，后来也成为AlphaGo Zero的主要理论。
虽然我们最终赢了，但这一盘棋确实有很大的弱点，如果五盘棋内，有20％的错误率，这样的AI系统，你敢用吗？所以我们决定，一定要把这个弱点解决掉，不只是解决第四盘的问题，是要把AlphaGo项目全面解决。
阅读全文
摘要：为什么大脑皮层中普遍存在 mini-column？这显然是一个重要的统计学证据，让 Hinton 愿意相信 mini-column 肯定起了什么作用。于是 Hinton 也提出了一个对应的结构，称为 capsule （胶囊，和微柱对应）。这就是 capsule 的由来。要深入理解Hinton的想法，就必须了解神经网络发展的历史，这也几乎是Hinton的学术史。
人工智能才起步的时候，科学家们很自然的会有模拟人脑的想法（被称为连接主义），因为人脑是我们唯一知道的拥有高级智能的实体。
阅读全文
摘要：在O’reilly举办的AI Conference上，吴恩达做了个25分钟的演讲，主题是“AI is the new electricity”
吴恩达老师这节课，主要讲了这四部分内容：
AI能做什么？各种算法有多大商业价值？
做AI产品要注意什么？
怎样成为真正的AI公司？
给AI领导者的建议
吴恩达的老师的开场白：AI像当年的电力一样，正开始改变所有行业。
阅读全文
摘要：人工智能跟脑神经科学没有关系。科技发展很快，但人性变化很慢！没有出差错的机会，就没有进化的可能。要想自己把事情做成功，就需要弄清楚事物的本质，找到自己领域的“空气动力学”。图灵机只解决可计算的问题，不涉及不可计算的问题。人的意识来自于测不准原理，而计算来自于机械的运动。
阅读全文
摘要：Anaconda下载及安装及查看安装的Python库用法
阅读全文
摘要：TensorFlow入门，基本介绍，基本概念，计算图，pip安装，helloworld示例，实现简单的神经网络
阅读全文
摘要：人工智能深度学习框架MXNet实战：深度神经网络的交通标志识别训练
MXNet 是一个轻量级、可移植、灵活的分布式深度学习框架，2017 年 1 月 23 日，该项目进入 Apache 基金会，成为 Apache 的孵化器项目。尽管现在已经有很多深度学习框架，包括 TensorFlow， Keras， Torch，以及 Caffe，但 Apache MXNet 因其对多 GPU 的分布式支持而越来越受欢迎。
阅读全文
摘要：TensorFire：WEB端的高性能神经网络框架
近日，一种专门用于在网页内执行神经网络算法的JavaScript库——TensorFire引起了人们的关注，这种JavaScript库在浏览器中使用GPU加速运行谷歌的TensorFlow，是机器学习走向大众化的一种方式。
TensorFire由麻省理工学院研究生团队开发，可以在任何GPU上运行TensorFlow-style的机器学习模型，不需要任何像Keras-js这样特定于GPU中间件的机器学习库。TensorFire是通过程序员已经接触过的一些软件或硬件来向广大用户提供学习。TensorFire通过准确预测模型的工作进展，可以得到部分所需资源。
阅读全文
摘要：JS神经网络deeplearn.js:浏览器端机器智能框架
通过 deeplearn.js，可以实现在浏览器中训练神经网络模型，也可在推理阶段运行预训练模型。
deeplearn.js 以 TypeScript 作为首选语言，提供了可用于构建可微数据流图的 API，以及一系列可以直接使用的数学函数。该库有两个 API 模型，一个是即时执行模型（可认为是 NumPy），另一个是基于 TensorFlow 的 API 镜像的延时执行模型。该库还支持从 TensorFlow 检查点将权重转储为可以导入 deeplearn.js 的格式，但开发者必须在 deeplearn.js 中重新创建模型，并使用该检查点的权重。
阅读全文
摘要：机器学习就业学习计划，从零开始，全面涵盖机器学习重要知识点学习计划
自从去年的AlphaGo到今年无人驾驶大行其道，人工智能正在席卷全球，引发第4次工业革命，而AI的核心技术是机器学习和深度学习。无论是从事机器学习还是AI，都一定要多动手，否则 一切都是纸上谈兵。
内容分为八大部分，涵盖教你零基础快速上手编程、数据爬取、数据分析、数据可视化、玩转大数据、机器学习从原理到实战、深度学习从原理到实战、BAT工业级大项目实战。提供完善的实验平台自己动手、真枪实战，拒绝纸上谈兵。
通过GPU + jupyter notebook + GitHub，涵盖：GPU、原理、案例、数据、代码。
根据实战项目，将涉及到的关键知识点和项目经历优化到您的简历中。
机器学习工程师面试时常见考点/模型/算法，模拟真实面试，从技术、表达等方面全方位提升您的面试能力。3个月挑战年薪30~50万。
阅读全文
摘要：张春晖让视频的每词每句都可搜索：Autotiming 可以自动配字幕，还将改变哪些领域？
对于一些电视观众来说，寻找电视节目字幕中“有趣”的Bug，拍照发到网上与其他人共同嘲笑一下，是一种观看节目之外的乐趣。从另外一个角度来说，匹配字幕很可能是电视台里最枯燥和耗时的工作：一个小时的对话节目通常需要付出双倍的时间。
创业公司AutoTiming相信它的产品可以改变这个精度高、耗时长的工作。这款同名工具采用了一种音文匹配技术，可以自动将视频或者音频节目和字幕文件同步起来。AutoTiming的CEO张春晖表示，与传统人工多采用句对句的匹配方式不同，这种技术能落实到词对词。它不仅可以将配一个小时节目的时间减少到5至10分钟，而且避免了以前一旦一个地方出了差错就要全部重新调试的问题。
阅读全文
摘要：普通程序员转型AI免费教程整合，零基础也可自学
本文告诉通过什么样的顺序进行学习以及在哪儿可以找到他们。
可以通过自学的方式掌握机器学习科学家的基础技能，并在论文、工作甚至日常生活中快速应用。
阅读全文
摘要：深度学习之循环神经网络RNN概述，双向LSTM实现字符识别。LSTM(Long Short Memory)是RNN最著名的一次改进，它借鉴了人类神经记忆的长短时特性，通过门电路(遗忘门，更新门)的方式，保留了长时依赖中较为重要的信息，从而使得RNN的性能大幅度的提高。Tensorflow提供了对LSTM Cell的封装。
阅读全文
摘要：想学习深度学习需要什么样的基础？
关于编程基础
只会 Java 语言，不会 C/C++/Python 能学习吗？或者学过 C/C++/Python，但是没有实际应用过，或者基础不好，是否可以学？是否有 Python 学习教程推荐？如果 C++/Python 基础比较薄弱，是否可以学？
【回答】可以。
阅读全文
摘要：TensorFlow 1.2.0新版本完美支持Python3.6，windows在cmd中输入pip install tensorflow就能下载应用最新tensorflow
只需在cmd中输入pip install tensorflow就能下载应用最新tensorflow，再也无需转换到Python3.5了
阅读全文
摘要：工业1.0的特征是机械化，工业2.0的特征是电气化，工业3.0的特征是信息化，工业4.0的特征是网络化。
那么，虚实交互、闭环反馈、动态执行的平行化，将是工业5.0的最大特征。
而工业机器人定义的工业5.0是以“人+机器人”人机协作为目的，不仅可以使机器与工作人员安全协作，还可以通过机器人的技术使得生产工作更加简单，未来将是以虚实平行互动为特征的智能技术时代。
阅读全文
摘要：图解人工智能机器学习深度学习的关系和区别，先直观看下图的关系
AI（Artificial Intelligence.人工智能）、机器学习（machine learning）、深度学习（Deep learning）
人工智能和机器学习和深度学习的区别：机器学习是人工智能的一种实现方法，而且在许多的应用领域应用的非常成功，所以现在比较流行； 说到机器学习，就不得不提深度学习，深度学习是机器学习中的一个组成分支，深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
阅读全文
摘要：用Python实现随机森林算法，深度学习
拥有高方差使得决策树（secision tress）在处理特定训练数据集时其结果显得相对脆弱。bagging（bootstrap aggregating 的缩写）算法从训练数据的样本中建立复合模型，可以有效降低决策树的方差，但树与树之间有高度关联（并不是理想的树的状态）。
随机森林算法（Random forest algorithm）是对 bagging 算法的扩展。除了仍然根据从训练数据样本建立复合模型之外，随机森林对用做构建树（tree）的数据特征做了一定限制，使得生成的决策树之间没有关联，从而提升算法效果。
本教程将实现如何用 Python 实现随机森林算法。
阅读全文
摘要：大数据在彩票预测和解决社会问题的用处，所谓的：维度的诅咒（the Curse of Dimensions）这也体现了“大”数据的必要性。如果你的数据量不够大，千万不要贸然声称自己发现了什么隐藏的规律。大数据，不是万能的。但是人很容易为数据痴迷。
目前流行的深度学习算法也是通过输入大量数据进行训练才使得算法得出的结果越来越准确。
所以说彩票预测算法是核心，大数据是保证，通过大数据分析可以发现一些反直觉的结论，让投注的时候能够更加理性，更加不会盲目相信小部分历史数据得出的概率。
阅读全文
