炼数成金 商业智能
订阅

商业智能

2020年:数据与AI 或帮助重塑医疗行业
2020年:数据与AI 或帮助重塑医疗行业
医疗保健行业正在经历一场令人难以置信的数字化转型,这场变革几乎改变了该行业的方方面面,使曾经不可能的事情成为可能,并重新定义了从诊断到治疗再到预防等程序。很明显,在未来几年里,这个行业将越来越多地被大 ...
分类:   
YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探
YOLO之父退出CV界表达抗议,拒绝AI算法用于军事和隐私窥探
今天,AI学术界发生了一场大地震。YOLO算法作者Joseph Redmon在个人Twitter上宣布,将停止一切CV研究,原因是自己的开源算法已经用在军事和隐私问题上。这对他的道德造成了巨大的考验。YOLO是计算机视觉领域最知名的 ...
分类:   
不要犯战略性的失误——如何合理制定推荐系统的优化目标?
不要犯战略性的失误——如何合理制定推荐系统的优化目标?
本文要谈的是推荐系统的优化目标的问题。作为一名算法工程师来讲,最关心的往往是模型的创新、技术的演进。笔者在最开始工作的几年,也经历过这样的阶段,执着的追求于应用最新的技术,追踪最新的paper,更新最新的 ...
分类:   
超越BN和GN!谷歌提出新的归一化层:FRN
超越BN和GN!谷歌提出新的归一化层:FRN
目前主流的深度学习模型都会采用BN层(Batch Normalization)来加速模型训练以及提升模型效果,对于CNN模型,BN层已经上成为了标配。但是BN层在训练过程中需要在batch上计算中间统计量,这使得BN层严重依赖batch,造 ...
分类:   
新冠肺炎“识别”战,AI算法落地有多难?
新冠肺炎“识别”战,AI算法落地有多难?
人工智能从来没有像现在这么重要过!这段时间的疫情猛烈,AI每一次在医疗领域的落地都在帮助白衣天使拯救生命。从疫情预测到检测体温再到药物开发,人工智能争分夺秒,蓄势待发。更为准确的说是医疗AI公司们站了出来 ...
分类:   
LSTM之父发文:2010-2020,我眼中的深度学习十年简史
LSTM之父发文:2010-2020,我眼中的深度学习十年简史
在最近十年,大部分AI都是关于长期短期记忆(LSTM)的神经网络。世界本质上是序列性的,而LSTM彻底改变了序列数据处理,例如语音识别、机器翻译、视频识别,联机手写识别、机器人、视频游戏、时间序列预测、聊天机器 ...
分类:   
元学习与自然语言处理
元学习与自然语言处理
元学习 (meta learning),又被称作“学会学习” (learning to learn),是近期深度学习研究界的一大关注热点,旨在帮助新任务在缺乏训练样本的情况下快速学习 (rapid learning)、快速适应 (fast adaption)。前,随着 ...
分类:   
机器学习研究者的养成指南,吴恩达建议这么读论文
机器学习研究者的养成指南,吴恩达建议这么读论文
如何成为一名高效的机器学习研究者,然后在这个领域取得一些成就?在此之前,我们需要养成什么样的习惯?近日,一位网友在 Reddit 上发帖提问:「那些高效的机器学习研究者,都有什么样的习惯?」比如,在 Arxiv 上 ...
分类:   
自然语言理解(NLU)难在哪儿?
自然语言理解(NLU)难在哪儿?
导读:在微博和知乎上关注自然语言处理(NLP)技术的朋友,应该都对#NLP太难了#、#自然语言理解太难了#两个话题标签不陌生,其下汇集了各种不仅难煞计算机、甚至让人也发懵的费解句子或歧义引起的笑话。然而,这些例 ...
分类:   
全球晶圆产能排行出炉:台积电第二,英特尔第六,前五名占比超过50%
全球晶圆产能排行出炉:台积电第二,英特尔第六,前五名占比超过50%
IC Insights最近发布包括了截至2019年12月的25个最大晶圆产能排名。全球前五名晶圆每月的产能超过100万个晶圆(200mm等效晶圆)。截至2019年底,排名前五位的公司的产能合计占全球晶圆总产能的53%。相比之下,2009 ...
分类:   
搞定千亿参数,训练时间只用1/3,微软全新工具催生超级NLP模型
搞定千亿参数,训练时间只用1/3,微软全新工具催生超级NLP模型
GPU 显存一直是训练先进深度学习模型的最大瓶颈——大规模训练经常会碰到模型参数太多,显存无法容纳的情况。最近,微软提出的全新方法 DeepSpeed 将每个节点的批处理大小增大了 4 倍,而训练时间减少到原来的 1/3, ...
分类:   
Deepfake阴影下的“人脸识别时代”全面到来!我们可能遭遇什么危险?
Deepfake阴影下的“人脸识别时代”全面到来!我们可能遭遇什么危险?
坐飞机、高铁人脸验证,住酒店人脸登记,在超市买东西人脸支付,随便进出哪个小区都靠刷脸开门。而人们似乎也快速地接受了这种新鲜、便捷的新生事物,就连小探80岁的外公外婆也颇为兴奋的拉着我去小区门口体验“刷脸 ...
分类:   
趣谈芯片设计十六年发家史
趣谈芯片设计十六年发家史
酒,凡人喝是要醉的。仙人喝是会造世的。李白一斗诗百篇,长安市上酒家眠。张旭三杯草圣传,挥毫落纸如云烟。最早的集成电路设计师也是一个酒鬼,一个爱竖中指的酒鬼,一个不给酒喝就不作报告的酒鬼——Robert Widla ...
分类:   
1854年,一位伦敦医生如何靠一己之力找到霍乱传染源?
1854年,一位伦敦医生如何靠一己之力找到霍乱传染源?
这是一个关于人类勇气和理性的传奇故事,而英雄的故事总是如此的相似。Jon Snow(琼恩·雪诺)在热门美剧《权力的游戏》中是一位带领守夜人大战异鬼大军的战士。而在19世纪的伦敦,同样也有一位如守夜人一般守护伦敦 ...
分类:   
Focal Loss--从直觉到实现
Focal Loss--从直觉到实现
做机器学习分类问题,难免遇到Biased-Data-Problem, 例如CV的目标检测问题: 绝大多数检测框里都是 backgroud,NLP的异常文本检测: 绝大多数文本都是 normal。对此,以下套路可以缓解:升/降采样, 或者调整样本权重, ...
分类:   
微软新作,ImageBERT虽好,千万级数据集才是亮点
微软新作,ImageBERT虽好,千万级数据集才是亮点
继 2018 年谷歌的 BERT 模型获得巨大成功之后,在纯文本之外的任务上也有越来越多的研究人员借鉴了 BERT 的思维,开发出各种语音、视觉、视频融合的 BERT 模型。近期,来自微软的Bing 多媒体团队在arXiv上也同样发表 ...
分类:   
《Nature》最新研究:大脑中存在分布式强化学习机制
《Nature》最新研究:大脑中存在分布式强化学习机制
人工智能与神经科学/脑科学之间存在剪不断理还乱的关系。从人工智能诞生之初,其研究就深受神经科学的影响,包括人工神经网络、强化学习等诸多算法;最近较火的类脑计算,更是提出“brain-inspire”的想法。然而,我 ...
分类:   
图解 intel Core i7 CPU生产全过程
图解 intel Core i7 CPU生产全过程
CPU是现代计算机的核心部件,又称为“微处理器”。对于PC而言,CPU的规格与频率常常被用来作为衡量一台电脑性能强弱重要指标。Intelx86架构已经经历了二十多个年头,而x86架构的CPU对我们大多数人的工作、生活影响颇 ...
分类:   
2020年的半导体依旧很精彩
2020年的半导体依旧很精彩
进入了2020年,遵照常规,我们都应该对今年的产业发展有一个预测。尤其是在“武汉肺炎”这个疫情出来了以后,大家对半导体的2020有了更多的不同观点。在这篇文章里,我们仅从技术面出发,对2020年的半导体做一个预估 ...
分类:   
使用 Keras Tuner 调节超参数
使用 Keras Tuner 调节超参数
Keras Tuner 是一个易于使用的分布式超参数优化框架,能够解决执行超参数搜索时的一些痛点。Keras Tuner 可让您轻松定义搜索空间,并利用内置算法找到最佳超参数的值,内置有贝叶斯优化、Hyperband 和随机搜索算法, ...
分类:   
中国芯片全景图,万字长文先马后看!
中国芯片全景图,万字长文先马后看!
2018年4月,美国商务部以违反对针对伊朗及朝鲜的贸易禁运为由,对中国通讯设备大厂中兴通讯实施制裁,要求美国相关公司在7年内不得向中兴通讯提供零部件,其中就包括最关键的微型芯片等产品。2019年5月,美国商务部 ...
分类:   
超详细的语义分割中Loss盘点
超详细的语义分割中Loss盘点
何凯明团队在RetinaNet论文中引入了Focal Loss来解决难易样本数量不平衡,我们来回顾一下。 我们知道,One-Stage的目标检测器通常会产生10k数量级的框,但只有极少数是正样本,正负样本数量非常不平衡。
分类:   
对ResNet本质的一些思考
对ResNet本质的一些思考
最近在总结完成语义分割任务的轻量级神经网络时,看到了MobileNet V2中对于ReLU层的思考,于是我也回过头重新审视ResNet之所以work的本质原因。以下是一些个人的见解,如有错误,还望及时指正。在谈及ResNet之前,我 ...
分类:   
知识图谱基本概念&工程落地常见问题
知识图谱基本概念&工程落地常见问题
通常我们认为的知识,是我们在实践中对于认识客观世界的成果,其中包括诸多,如事实、信息描述、实践技能、归纳总结的客观规律,发现论证的推导。知识也可以看成是构成人类智慧的最根本因素。但是这是全人类知识的概 ...
分类:   
2020年AI学术界一场突如其来的辩论:到底什么是深度学习?
2020年AI学术界一场突如其来的辩论:到底什么是深度学习?
在过去十年汹涌而来的深度学习浪潮中,大家对深度学习在应用中体现出的各种特点已经非常熟悉了,但毕竟深度学习的理论仍未建立完善。更重要的是,大家已经意识到了深度学习的种种限制,那么想要破除限制、实现更高级 ...
分类:   
晶体管数量125亿、性能超越高端笔记本CPU,5nm A14芯片性能推演
晶体管数量125亿、性能超越高端笔记本CPU,5nm A14芯片性能推演
今年的iPhone 12系列依然有不少看点,比如首次支持5G网络、后置四摄(加入ToF)、搭载5nm A14处理器等。苹果将连续第三年从其制造合作伙伴台积电的制造工艺改进中受益。A12采用7纳米工艺制造,而A13采用增强的7纳米 ...
分类:   
如何在NLP中有效利用Deep Transformer?
如何在NLP中有效利用Deep Transformer?
使用神经网络的方法解决自然语言处理的相关任务时,制约模型性能因素主要包括模型的表现力和用于进行模型训练的数据。然而在大数据时代背景下,对于很多自然语言处理的任务,我们已经能够获取到大量的高质量数据,结 ...
分类:   
Pinterest如何打造出硅谷最成功的推荐算法?
Pinterest如何打造出硅谷最成功的推荐算法?
从一开始,你就告诉了 Pinterest 怎样给你建立个人画像。当你注册时,Pinterest 的网页会询问你两个私人问题——你的年龄和性别——你的回答决定了接下来将要发生的一切。基于你对这两个问题的回答,以及你所使用的 ...
分类:   
基于 GNN 的图表示学习
基于 GNN 的图表示学习
图数据有着复杂的结构,多样化的属性类型,以及多层面的学习任务,要充分利用图数据的优势,就需要一种高效的图数据表示方法。与表示学习在数据学习中的重要位置一样,图表示学习也成了图学习领域中的十分热门的研究 ...
分类:   
PyTorch 1.4 最新版放出:支持Python2的最后一版,支持分布式模型并行、Java程序、移 ...
PyTorch 1.4 最新版放出:支持Python2的最后一版,支持分布式模型并行、Java程序、移 ...
继 TensorFlow 更新后,PyTorch 也迎来了最新的 1.4 版。本次更新是最后一个支持 Python2 的版本,同时增加了对分布式模型并行、移动端、Java 程序等方面的支持。紧接着 TensorFlow 更新到 2.1 版之后,PyTorch 在今 ...
分类:   

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

热门文章

     

    GMT+8, 2020-4-4 04:19 , Processed in 0.147763 second(s), 19 queries .