Spark 是 Apache 的顶级项目，一举一动都在整个社区的瞩目之下。凡是由 Apache 推动的项目，自然大概率是比较成功的。回想 Google 当年没将 Big Table, Map Reduce, GFS 及时的推广到 Apache 落地，反而被后来者 Hadoop 夺得了头魁，甚为惋惜。想知道Google 错过这段好时机，可以看我的这篇文章《继蚂蚁金服OceanBase之后，腾讯也祭出了大杀技》
不得不承认，日本人的脑洞发达程度应该是世界第一，几乎整个主流社会都沉浸在各种二次元、恶搞整蛊、宅基腐的奇特氛围里。
命名一直是编程界的难点，这次 naming-cheatsheet 就能帮上你的忙。按照它的 SID（Short.、Intuitive、Descriptive）原则，你一定能取出极佳的变量 / 函数名。同样，能解决你可视化问题的还有 Apache 的 superset。如果你想了解 Google、微软、Netflix 之类的大厂在生产环境应用了哪些机器学习技术，applied-ml 就能娓娓道来各大科技公司的 ml 技术。
根据 GitHub 活跃数、开发人员使用人数、在招聘描述中出现的频率等综合数据分析，Google的 TensorFlow 仍稳居第一，被广大网友一致认为非常适合入门学习的 Keras 、人气涨势迅速的 PyTorch 、还有 Caffe 、Theano、MXNet 、CNTK 、Caffe 2.0、FastAi 等框架都紧随其后，受到越来越来多开发者和企业的关注。
IDG安全领域新闻服务的专家发文称，人工智能可能引发新黑客时代。 尽管可能需要数年甚或数十年时间才能成为现实，但黑客并不一定就是人类。人工智能这项技术不仅有望变革网络安全领域，还可能会在某一天成为常用黑客工具。 网络安全挑战赛（Cyber Grand Challenge）是一项由美国国防部高级研究计划局（DARPA）赞助的赛事，其组织者在2016年8月举办的活动上简要展示了人工智能的能力。七台超级计算机互相对战，证明机器的确能够找到并修补软件漏洞。 理论上，该技术可用于完善所有代码，消除其包含的可以被利用的
这些年里，云与AI的结合愈发紧密，AI即服务（AIaaS）也从最初的概念变成了现实。就目前而言，包括Amazon，Google和微软在内的巨头都希望能够主导云AI领域中的业务，因为获胜者不仅将主导未来的市场，而且还有可能成为史上最富裕的公司。 多年以来， Amazon AI部门的负责人Swami Sivasubramanian的妻子一直想要去观察那些游荡在家附近的北美棕熊，每年夏天，这些家伙总是会在夜里从树林里走出来并在垃圾桶里觅食。因此，利用圣诞假期，Sivasubramanian开始着手去设计一套系统以
从去年的谷歌男性工程师备忘录事件引发的性别歧视、到今年初浩浩荡荡的军事化 AI 项目 4000 余人抗议、再到前不久刚刚引发业界关注的 Google+ 隐私“知而不报”问题，谷歌一直处于开发者们热议的焦点。
人工智能（Artificial Intelligence），英文缩写为AI，它是研究、开发用于模拟和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
从大家 iPhone 手机中 Siri 到淘宝京东咨询客服的时候出现的智能客服，从小朋友喜欢玩的儿童机器人，到智能家居中的各种语音控制，背后都是聊天机器人。
据美国科技网站PC World 5月19日报道，谷歌CEO桑达尔•皮查伊(Sundar Pichai)在谷歌I/O开发者大会上表示其张量处理单元(TPU)能将机器的学习能力提高三代。 TPU一直是谷歌
李林 允中 编译整理 量子位 出品 | 公众号 QbitAI 刚刚，吴恩达如期发布了自己的新动向。 今年3月，吴恩达从百度首席科技学家人上离职后，关于他新动向的猜测和关注就一直没有停歇。直到前不久，他
数说君曾经在公众平台上发起过这个话题： 【小样本预测模型哪家强？】想要用X1、X2、X3预测Y，训练样本只有30个或者以内，有什么用的模型可选？您的推荐是？ 收到了各位大神的各种建议，如： 样本小，当然贝叶斯； bootstrap然后再用回归什么的吧（这个最多）； 灰色预测模型（PS：该模型是一位中国人提出的）； 人工神经网络； 等等... 还有一位同学的回答，数说君认为很经典： 不在于样本数多少，在于是否够——足够近似到正态。当然不能太少了，否则随机性很强。 数说工作室特约撰稿人飞扬博士的建议是： 巧用交
深度学习是机器学习和人工智能的一种形式，利用堆积在彼此顶部的神经网络的多个隐藏层来尝试形成对数据更深层次的“理解”。 最近，深度神经网络以“Deep Dreams”形式在网站中如雨后春笋般出现，或是像
或许每个经历过大学生涯的人都会有这样的感受：曾经努力收集各种课程资料，但在修完一门课程之后却会发现遗漏了很多重点内容。每一代前辈总结出的经验也常常因为无处传承而逐渐遗漏消失。
【新智元导读】Zdnet 网站推出机器学习平台横向比较系列文章，以下内容分析谷歌、百度和 IBM 三家大公司 AI 实力，以及是否适合作为你的机器学习平台。谷歌的机器学习平台的优势在于构建更广泛的研究社区，围绕机器学习和民主化机器学习工具和服务的业务。作为在中国对标谷歌的百度，其 AI 平台是百度大脑，并开源机器学习平台 PaddlePaddle，在语音识别和深度学习知识经验方面占有优势。IBM的机器学习平台则以Watson解决方案为核心，实力来自三个关键因素：IBM研究、收购实力及其咨询顾问能力。 选择
Zdnet 网站推出机器学习平台横向比较系列文章，以下内容分析谷歌、百度和 IBM 三家大公司 AI 实力，以及是否适合作为你的机器学习平台。谷歌的机器学习平台的优势在于构建更广泛的研究社区，围绕机器学习和民主化机器学习工具和服务的业务。作为在中国对标谷歌的百度，其 AI 平台是百度大脑，并开源机器学习平台 PaddlePaddle，在语音识别和深度学习知识经验方面占有优势。IBM的机器学习平台则以Watson解决方案为核心，实力来自三个关键因素：IBM研究、收购实力及其咨询顾问能力。
答案显然是否定的。一方面，人工智能技术的应用越来越广泛，应用场景不断扩大，身边的就如资讯推送、网购推荐、叫车出行、在线教育等。
如今，人们对数据科学的热情高涨。只要在产品介绍中加入"由人工智能驱动"，就能极大地促进产品的销量。
在 2019 年，英特尔、高通和英伟达等大型芯片制造商发布了专门设计用于仅执行基于 AI 应用程序的芯片，主要用于计算机视觉领域、自然语言处理和语音识别。
导读：2019年过去了，21世纪10年代也过去了。马萨诸塞大学计算机与信息科学学院教授Emery Berger发布的CSRanking项目，是全球院校计算机科学领域实力的排名，现在数据已更新到2020年。
【新智元导读】本文作者最近就机器学习/深度学习的岗位面试了一圈大的互联网公司，而且基本上投的公司都给了offer。作者分享了他的面经，希望对nlp或者机器学习/深度学习感兴趣的朋友准备面试有点帮助。 一些面试的建议: bat三家都喜欢问大量的计算机基础知识，考察工程能力，b都喜欢问数据结构和leetcode，t问的比较随意但是很考察思维能力；（当然还是得看面试官） 对于像我这种非计算机班科出身的（数学统计），面机器学习算法的公司比较容易，面工程的公司比较难； 深度学习入门门槛很低，但是精通门槛很高，仍然很多
随着容器的火爆，利用容器架构来搭建业务系统的人越来越多。可是，大家在实操中发现，像 Docker 之类的容器引擎，折腾少量容器还行。但如今的云原生应用、机器学习任务或者大数据分析业务，动辄就要使用成百上千的容器。要管理这么多容器，Docker 们就力不从心了。
这几年互联网大潮，尤其是移动互联网的崛起和发展给我的冲击非常大，这期间看到了很多公司的起起落落，在周边也接触到了或多或少的创业公司，之前自己也有参与创业，一直对此都有所思考。或者换个说法，我其实一直作为一个旁观者看着这纷繁的世界。
原作 Sam Shead Root 编译自 Business Insider 量子位 出品 | 公众号 QbitAI “我们太缺人啦！”微软研究院剑桥分部的老大Chris Bishop说。 △ 微软研
一个月后的秋季开学，加拿大多伦多大学将迎来一个全新的专业：机器智能工程，主要培养领导人工智能、机器学习和大数据开发的人才。
【编者按】随着机器学习算法的流行，Amazon、Google,、IBM和Microsoft等公司在机器学习云服务市场接连出手，并提供许多的API来吸引用户。本文中，Janet Wagner，ProgrammableWeb的data journalist、developer和contributor，根据互联网上的活跃度盘点了机器学习API的Top 10，并介绍了它们的功能特色。Janet Wagner同时认为，Project Oxford等少数API虽然没有上榜，但仍值得称道。 如今，机器学习无处不在。它可以
数据挖掘（Data Mining）应该是一门大家都听说过，但又不太容易说清楚的课程。在数据科学领域，乃至在更大的计算机科学领域，数据挖掘就好比山东蓝翔，大家不一定都知道挖掘机要怎么开，但一定都知道挖掘机技术到底哪家强。
本系列搜集了一些大数据在金融领域应用的文章，编辑成册，让大家更有方向的学习。有好的文章欢迎推荐，愿与大家一起成长。 第一文介绍了P quant和Q quant。过去是Q quant的天下（不知道Q quant与P quant的，在微信公众号“数说工作室”中回复“dsj1”查看），而一场金融危机，Q quant搞出来的无人能看懂的定价模型已经把大家的钱一把火烧光了，事实上，次级债危机的源头就是David X. Li搞出来的定价模型（不错，David X. Li是个中国人），这个定价模型曾经像圣经一样被人膜拜，
去年开发了一个开源项目：PyOfficeRobot，微信聊天机器人。今年ChatGPT大火，很多朋友在后台提问：
在过去的几年中，新兴软件公司的数量，似乎出现了较大幅度的下降。2011年至2013年之间，平均每年新成立的软件公司有1450家左右。而2014年，这一数据下降到1186家。到去年，更是锐减到481家。
毫无疑问，英伟达GPU是人工智能的标准硬件。同为显卡双雄，AMD在人工智能上却如此默默无为。对于深度学习计算，AMD的GPU真就这么不中用吗？它到底做错了什么？ 接下来的文章，让我们仔细剖析一下GPU领域这个奇怪的现象。 作者 | NANALYZE 老黄在GTC大会公布新一代GPU的同时，英伟达股票瞬间暴涨20%，达到每股125美元，市值突破885亿美元。 你一定很好奇：英伟达的竞争优势到底在哪里？为何如此受华尔街的热捧？同为显卡厂商的AMD为什么一直默不作声？ 下面，我们就仔细来探讨一下GPU市场
● 郑豪：AIG：Architectural Intelligence Group 是一个以学术成果立足，信息交流为主的研究团体。
点击 机器学习算法与Python学习 ，选择加星标 精彩内容不迷路 作者：Akhil Raju，编译：机器之心 在这里，既有头脑风暴，也有生活气息。 本月初，时任苹果机器学习总监的 Ian Goodfellow 宣布在加入公司三年后辞职，没过几天，就有消息曝出大神去向定了，他将重返谷歌加入 DeepMind。 DeepMind 作为一家比较出名的人工智能公司，战果累累，AlphaGo、AlphaFold、AlphaStar 等重大研究都出自这家公司，Ian Goodfellow 选择加入 DeepMin
允中 发自 凹非寺 量子位 报道 | 公众号 QbitAI 汉堡也能用大数据卖？ 没错，而且可以卖得更好。 汉堡王就正在展开这样的实践，在他们的菜单显示屏，可以基于用户的点餐行为、背景信息，给出个性化推荐。 而且还能结合时间、地点、气候等因素……用户下单更省心，卖家业绩还更好。 懂技术的朋友或许早已看穿，背后必然有Transformer模型加持，但可能意料之外的是，实现消费级商用的精准推荐，汉堡王这套系统不光是单纯套用。 Transformer Cross Transformer（TxT），这是汉堡王推荐
本文作者——美国顶级投资机构Andreessen Horowitz的合伙人Frank Chen，在看了大量的AI创业公司后，有感而发！ 作者 | Frank Chen 编译 | AI科技大本营（rgznai100） 参与 | reason_W，鸽子 这不是标题党。 过不了几年，AI驱动的创业公司将不再受投资者青睐。（小编注：作者指的是纯技术公司。） 最近一段时间，我们见的大部分创业公司几乎都一个套路——机器学习驱动+使用最新的RNNs和GANs+后端深度学习架构。 但我有一种强烈的感觉，几年后，如果这
唐旭 李林 发自 凹非寺 量子位 报道 | 公众号 QbitAI 蓝色巨人最近有点烦。 前几天，出席纽约召开的一场投资大会期间，风险投资公司Social Capital创始人、首席执行官Chamath
8月26-27日，由中国人工智能学会（CAAI）发起并主办、中科院自动化研究所与CSDN共同承办的2016中国人工智能大会（CCAI 2016）将于在北京盛大召开，汇聚全球顶级人工智能专家共论前沿技术与产业实践。本次大会大咖云集，麻省理工学院人工智能实验室（MIT CSAIL）教授、美国人文与科学院院士Tomaso Poggio将远渡重洋出席本次大会，并做题为《The Science and the Engineering of Intelligence》的主题报告。 很多人可能不熟悉Tomaso Pogg
美国卡耐基梅隆大学发布消息称，可辅助集体决策的人工智能系统已经上线。 有争议的总统选举可能引起人们关于当下投票制度能否选出最佳候选人这一问题的质疑。尽管美国人的投票方式不会发生任何改变，但有一项新的在线服务RoboVote.org可使任何人都能使用最先进的投票方法，从而做出最佳群体决策。 RoboVote是卡耐基梅隆大学和哈佛大学共同开展的一个项目。它的作用不仅仅是汇总选票，因为所有在线调查工具都已经具备了这个功能。该网站由人工智能驱动，并结合了数十年社会选择研究智慧，以最佳方式结合意见、喜好和兴趣以促成集
2018年12月23日看到了一片文章，标题是《人工智能一定需要大数据吗？未必！》，原文链接：https://mp.weixin.qq.com/s/DkMNX6NHsuCeO_i-20lUMA。真的未必么，这中间是不是还有什么没有说清楚的东西呢？文中的观点基本上就是标题的说法。但是，未必与否，这里是需要辨证地看的。
机器之心报道 编辑：泽南 一流科技的深度学习框架，在训练大模型时有独特的优势。 要打造中国版 OpenAI 创业公司，原美团联合创始人王慧文的项目有了重要进展。 本周一，多方面消息称，王慧文创立的新项目「光年之外」与 AI 架构创业公司「一流科技 Oneflow」已达成并购意向，交易将以换股形式进行。 据悉，光年之外将以换股形式收购一流科技，在现有团队基础之上打造中国版 ChatGPT，收购案已通过一流科技董事会。 机器之心向一流科技创始人兼 CEO 袁进辉求证，袁进辉表示当前无法披露细节。 一流科技成立
汉斯·乌思克尔特教授，德国人工智能研究中心（DFKI）科学董事，北京深知无限人工智能研究院（AITC）院长兼首席科学家 直播链接 2018新智元产业跃迁AI技术峰会圆满结束，点击链接回顾大会盛况： 爱奇艺 http://www.iqiyi.com/l_19rr3aqz3z.html 腾讯新闻 http://v.qq.com/live/p/topic/49737/preview.html 新浪科技 http://video.sina.com.cn/l/p/1722511.html 云栖社区 htt
作为语音识别领域的大牛，Daniel Povey 教授此前一直在负责霍普金斯语言语音处理中心的工作。他曾主导开发了语音识别工具库 Kaldi，该工具库支持多种语音识别的模型的训练和预测，很多国内外语音技术公司的研发测试都是从 Kaldi 起步的。
【新智元导读】本文是Journal的创始人、《Machine Learnings》杂志的编辑Sam DeBrule与风投公司FristMark的合伙人Matt Turck的对话内容。对话内容围绕AI型初创企业展开，从利用AI的营销手段到切切实实的AI型初创商业模式，以及专有数据集在初创抗衡大公司过程形成的马太效应，对于投资垂直领域初创的长远判断等。 在人工智能领域内的一系列突破点燃了无限商机，大公司希望抓住机遇来加强现有职位，小公司希望借助新技术来提升市场领先地位。作为FirstMark的投资者，Matt
AI科技评论按：本文作者王海良，呤呤英语开发总监，北京JavaScript／Node.js开发者社区的运营者，曾就职IBM创新中心。本文为系列文章第一篇，由AI科技评论独家首发，转载请联系授权。 目前
如今，手机厂商发布新品，跑分环节一定是少不了的。就连拍照这种很难量化的指标，也要整出一个DxOMark得分，分出高下。我们对数字是如此迷恋，以至于《小王子》里面就有这样一段话：
今天被这篇文章刷屏了，转载这个篇文章最主要的原因：文章写的很棒，我觉着应该分享给大家，让大家在学习的道路上少走点弯路，其次今天晚上看到一个号主给读者传输了错误的机器学习的观点，所以拿这篇文章给大家扫扫盲。
经常有朋友私信问，如何学 python 呀，如何敲代码呀，如何进入 AI 行业呀？
【导语】经常有朋友私信问，如何学python？如何敲代码？如何进入AI行业？正好回头看看自己这一年走过的路，进行一次经验总结。这是一篇关于如何成为一名AI算法工程师的长文，来看看你距离成为一名AI工程师还有多远吧。
最近入手了一个用户画像的项目，这里面真的“坑”满多的，你肯定很想问，不就是用户画像嘛，会这么烦吗？现在可能就需要拆分成几个问题来做这个项目。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
