侵权投诉

如果你将踏上机器学习工程师就可能遇到 Daniel Bourke 相似经历

新机器视觉 2019-07-16 09:57 次阅读

机器学习工程师的秘密。

如果未来的你将踏上机器学习工程师这条道路,那你很大可能将遇到和机器学习工程师 Daniel Bourke 相似的经历。在这一年的机器学习相关工作中,他发现很多事情都和想象的不同,有些事情也许看似没有意义,却价值无穷。

于是,他将这些经历与感悟总结起来,写成了下面这篇文章。AI 科技评论将其编译如下,相信这些经历与建议也会给未来将踏入 AI 行业的你带来很大的启发。

工作站,家庭办公室和艺术工作室(照片由作者提供)

引入

实际上,机器学习和数据科学领域所涉及的工作并非想象那么单一;相反的是,它所涵盖的内容非常广泛。往往一位数据科学家所做的与另一位会有很大的不同。机器学习工程师也是如此,只有在使用历史(数据)来理解或预测未来(建模)这方面比较相似。

为了将这些要点展现在下文中,我首先解释一下我工作中所担任的角色。我们有一个小机器学习咨询团队,其中的内容包含了从数据收集到操作、模型构建再到能想到的每个行业的服务部署,所以我们每个人都扮演着多种角色。

作者 Daniel Bourke 的社交动态

工作日常

早上 9 点我走进办公室,问候大家早安,然后把食物放在冰箱里,倒一杯咖啡,走到我的办公桌前坐下,看前一天的笔记,顺便打开 Slack ,阅读消息以及团队共享论文或博客文章的链接。这个领域发展很迅速,因此每天都有一些新文章。

所以通常在读完未读消息后,我会花一阵时间来浏览论文和博客文章,并仔细研究那些理解起来较困难的内容。这其中,有一些内容可能对我正在做的工作有所帮助。

关于阅读时长:一般来说,阅读会花费我大概一个小时甚至更久,这取决于文章本身。有些朋友会疑惑为什么我在阅读上花费这么久的时间。但在我看来,阅读是一种终极元技能。因为一旦有更好的方式来完成我当前在做的事情,我可以通过学习并使用它,从而节约更多的时间和精力。但阅读也有特殊情况,如果有一个项目的截止日期临近,那么我将把阅读时间缩短来推进该项目。

然后我会检查前一天的工作,检查我的记事本所记下的被搁置的工作,这是每天最重要的一部分。

我的记事本是当天的流动日记,例如:「我已经将数据处理为正确格式,现在需要在模型中运行它。我将训练的启动变得迅捷,当程序完成后就马上进行训练。」如果我在工作过程中遇到了困难,则会写下类似于:「发生了数据不匹配的情况,接下来我将尝试修复混合匹配,并在尝试新模型之前获得基线。」

然后到下午 4 点,我会开始整理今天的工作,包括:整理写下的混乱代码,使其清晰明了,然后添加注释,最后将它们进行更好的组合。因为我常常会想,如果其他人不得不读这个怎么办?而刚好通常阅读这个代码的人就是我自己,我还经常会在短时间内忘记一连串的思路......

下午 5 点时分,我的代码已经被更新在 GitHub 上了,然后我就会在笔记本上记下第二天要做的事情。

这是理想的一天,但并非每一天都如此。有时我也可能在下午 4:37 时,突然产生一个新颖的想法,然后去尝试完成它。

现在你已经大致了解机器学习工程师日复一日的工作日常了,接下来我将具体阐述在工作中所学到的一些关于机器学习的经验与教训。

1. 机器学习始终与数据有关

很多时候,机器学习工程师会专注于构建更好的模型,而不是改进构建它的数据。尽管构建更大的模型并使用更强的计算能力可以提供令人兴奋的短期结果;但是只在意眼前,你最终会在长期目标上栽跟头。

首次接触一个项目时,请花费大量「不正常」的时间去熟悉数据。我这里说的「不正常」,通常是你预估时间的三倍。但从长远来看,这将节省你的时间。

这并不意味着你不应该从细节着手,因为对于任何新数据集,你首先应该明确的目标是成为这方面的「专家」。检查分布、找到不同类型的特征、异常值在哪儿、为什么它们是异常值……如果你无法讲出当前使用的数据信息,那又怎么让模型更好的处理这些数据呢?

探索性数据分析生命周期的示例,更多关于探索性数据分析的详细介绍(https://towardsdatascience.com/a-gentle-introduction-to-exploratory-data-analysis-f11d843b8184)

2. 沟通问题比技术问题困难

我遇到的大多数主要障碍都不是技术性的,而是沟通问题。当然也总是存在技术挑战,不过我认为这是工程师自身理应解决的难题。

永远不要低估内部和外部沟通的重要性,没有什么比解决「错误」的技术挑战更糟的了。这个「错误」是怎么发生的呢?

从外部来看,这并不是客户所追求的与机器学习提供的东西不匹配,而是们可以提供的东西与客户需求不匹配;而在内部,因为很多人都有多项工作内容,所以很难确保每个人都能将整个项目很好的整合起来。

外部问题如何解决?答案就是:下到基层。你的客户是否了解你可以提供的服务?你了解你的客户的问题吗?他们是否了解机器学习可以提供什么以及它不能提供什么?怎样更有效的传达你的想法?

而对于内部问题,根据尝试解决问题的软件工具数量,你就能大概判断出内部通信有多难:Asana,Jira,Trello,Slack,Basecamp,Monday,Microsoft Teams。我找到的最有效的方法之一是在一天结束时,每个人在相关项目频道中进行简单的工作内容更新。更新内容包括:3-4 个工作重点、我做了什么、为什么,以及根据以上内容我接下来要做什么。这个方法完美吗?并不,但似乎很有效。它给了我一个机会来反思我做了什么和我想从大家那里得到的建议与意见。

无论你是多么优秀的工程师,你维护产品的能力和获得新业务的能力都与你沟通技巧以及这些沟通所带给你的益处息息相关。

3. 通常来讲,稳定性优于最先进的技术

现在有一个自然语言问题:将文本分类到不同的类别,目标是让用户将一段文本发送到服务并将其自动分类为两个类别之一;如果模型对当前问题把握不准,那么将文本传递给人类进行分类;每天的负载约为 1000-3000 个请求,标准规模大小。

尽管 BERT(https://github.com/google-research/bert )这一年一直很火,但如果在这个任务中我们不用谷歌的大规模计算,而采用 BERT 训练模型来做的话,我们需要的东西需要改动很多内容,而且这还是在投入生产之前需要进行的工作。

相反,我们使用了另一种方法 ULMFiT,尽管它不是最先进的,但仍然能够产生期望的结果,并且使用起来更容易。

作者语录:「Shipping something which works provides far more value than sitting on something you』re trying to push to perfection.」

4. 机器学习中的两个鸿沟

将机器学习运用到实践中存在两个鸿沟。一个是从课程工作到项目工作的鸿沟,另一个是从笔记本中的模型到生产模型(模型部署)之间的鸿沟。

互联网搜索机器学习课程会返回大量的内容结果,我用了很多来完成自己的 AI 硕士学位(https://hackernoon.com/my-self-created-ai-masters-degree-ddc7aae92d0e  )。

但即使在学完了许多最好的课程后,当我开始担任机器学习工程师时,我的技能仍然是建立在课程的结构化主干上;但在实际工作中,项目并非按照课程那样安排得井井有条。

我缺乏一些具体的知识,而这些知识并不能从课程中得到。例如:如何质疑数据?需要探索什么数据?需要利用什么数据?

那么如何修正这个问题呢?我很幸运能够成为澳大利亚最优秀的人才,但我也愿意学习并愿意做错。错误当然不是目标;但为了正确,你必须弄清楚什么是错的。如果你正在通过一门课程学习机器学习,那么继续学习这门课程,但你需要通过在自己的项目上工作,把你正在学习的东西放到实践中,用特定的知识武装你自己。

作者语录:「Specific knowledge: skills which can』t be taught in a course but can be learned.」

至于如何进行部署,在这点上我仍然做得不够好,但我注意到了一种趋势,即机器学习工程和软件工程正在融合。通过像 Seldon,Kubeflow 和 Kubernetes 这样的服务,很快机器学习将成为堆栈的另一部分。在 Jupyter 笔记本中构建模型是一回事,但是如何让数千甚至数百万人使用该模型呢?根据最近在 Cloud Native 活动上的讨论情况来看,似乎大公司以外的人都不知道如何做到这一点。

5. 20%的时间

我们有一个规则——20%的时间。这意味着我们 20%的时间都会花在学习上。这里指的学习非常广泛,只要是机器学习相关的都属于学习范畴,并且我们身边能够找到有很多这样的知识。

事实证明,这不仅仅是宝贵的,BERT 的 ULMFiT 使用时间也是 20%。20%的时间同时意味其余 80%将用于核心项目,即80%将用于核心产品(机器学习专业领域),20%用于与核心产品相关的新事物。

它并不总是需要分得这样清楚,但这样的分配是一个很好的目标。如果你的业务优势在于现在所做的最好,那么未来的业务则取决于你继续做最擅长的事情,也就是不断学习所得。

6. 阅读十分之一的论文,并采用更少数量的论文

这是一个粗略的数字。但探索任何数据集或现象,你很快就会发现这个规律随处可见。这是 Zipf 定律(https://en.wikipedia.org/wiki/Zipf%27s_law  )或 Price 定律(https://en.wikipedia.org/wiki/Price%27s_model  )其中之一,换句话说,在每年数以千计的提交中,可能会有 10 篇开创性的论文;而在这 10 篇开创性的论文中,有 5 篇可能来自同一所研究所或个人。

你无法跟上每一个新的突破,但可以在获得基本原则的坚实基础下应用它们。这些基础经受住了时间的考验,新突破也是基于这些基本原则实现了突破。

接下来是探索与开发问题。

7. 成为你自己最大的质疑者

探索与开发问题是尝试新事物和重新应用已经发挥作用事物之间的两难选择,但是你可以通过成为自己最大的质疑者来处理探索与开发问题。

探索——通常来讲,运行已经使用的模型并获得高精度数字是一件很容易的事情,然后我们会将其作为新基准报告给团队。但是如果你得到了一个更好的结果,记得返回检查你的工作,并再次让你的团队这样做。因为你是一名工程师兼科学家,时刻需要严谨。

开发——20%的时间花费在开发上是有帮助的,但如果你是在核心产品上花费 70%,在这个产品的二次开发上再花费 20%,而在 moonshots(可能短期之间不会起作用的事情)上花费 10%,这样 70/20/10 的时间分配可能会更好。尽管我从来没有在工作中刻意这样安排,但这是我努力的方向。

8.「玩具问题」非常有效

特别是在为了帮助理解一个新概念、建立一些小事、数据集中的相关或者不相关一部分等问题上,将这些问题缩小到一个更小的「玩具问题」,是一个很有效的处理方法。

在一个小团队中,处理问题的诀窍是先让事情有效,然后再进行快速迭代。

9. 橡皮

如果遇到问题,你坐下来盯着代码可能会解决问题,也有可能不会。相反,与同事探讨一下,假装他们是你的橡皮鸭,可能事情会很容易解决,比如:

「Ron,我正在尝试遍历这个数组并跟踪它的状态,同时循环访问另一个数组并跟踪状态,然后我想将这些状态组合成一个元组列表。」

「循环中的循环?你为什么不把它矢量化呢?」

「我能这样做吗?」

「让我们来看看。」

10. 从头开始构建的模型数量正在下降(或者至少你不需要开始重新构建)

这和机器学习工程与软件工程的融合有关。除非你的数据问题非常具体,否则许多主要问题非常相似,比如:分类、回归、时间序列预测、建议。

谷歌和微软的 AutoML 等服务正在为每个可以上传数据集并选择目标变量的人提供世界一流的机器学习。而在开发人员方面,你有像 fast.ai(https://github.com/fastai/fastai  )这样的库,它们可以在几行代码中提供最先进的模型,以及各种模型动画(一组预先构建的模型),如 PyTorch hub(https://pytorch.org/hub  )和 TensorFlow hub(https://www.tensorflow.org/hub  )提供相同的功能。

这意味着了解数据科学和机器学习的基本原理仍然是我们所需要做的,但是知道如何将它们应用到实际问题中则更有价值。

11. 数学还是代码?

对于我所处理的客户问题,我们都是代码优先。所有的机器学习和数据科学代码都是 Python。有时我会通过阅读论文并复现它来学习数学,但 99.9%的情况下,现有的框架都包含了数学。

这并不是说数学是不必要的,毕竟机器学习和深度学习都是应用数学的形式。掌握最小矩阵操作、一些线性代数和微积分,特别是链式法则(https://www.khanacademy.org/math/ap-calculus-ab/ab-differentiation-2-new/ab-3-1a/v/chain-rule-introduction  )足以成为一名工程开发者。

请一定要记住,我们的目标不是发明一种新的机器学习算法,而是向客户展示潜在的机器学习对他们的业务有(或没有)帮助。

12. 你去年所做的工作明年可能会无效

这是一定的,因为软件工程和机器学习工程的融合,这种情况正在变得越来越明显。

但这正是你进入这个行业的原因。框架将发生变化,图书馆将发生变化,什么会保持不变?基础统计数据、概率、数学,这些事情都没有过期日期。所以,最大的挑战仍然是:如何应用它们。

原文标题:一位机器学习工程师的独白:影响你未来职业生涯的 12 件小事

文章出处:【微信号:vision263com,微信公众号:新机器视觉】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

如何正确将电池材料和设计结合?

由于有很多具有潜力的阴极材料,快速找到正确的材料组合和配置是一个重大挑战。因此,西北太平洋国家实验室....
的头像 我快闭嘴 发表于 08-09 11:09 146次 阅读
如何正确将电池材料和设计结合?

【半导体/5G/IoT/AI/汽车】一周科技热评

8月7日,华为消费者业务CEO余承东今日在“中国信息化百人会2020峰会”上表示。麒麟系列芯片9月1....
的头像 21克888 发表于 08-09 06:36 1093次 阅读
【半导体/5G/IoT/AI/汽车】一周科技热评

网络安全中AI的三大影响用例和贡献

据《纽约时报》报道,到2021年,全球AI网络安全工作市场将见证350万个未填补的网络安全工作。此外....
的头像 如意 发表于 08-07 17:28 378次 阅读
网络安全中AI的三大影响用例和贡献

AI新基建浪潮已至,CCF-GAIR全球人工智能与机器人峰会今日开幕!

2020 年8 月7日,中国深圳,中国国内最具影响力的前沿科技活动——由中国计算机学会(CCF)主办....
发表于 08-07 16:17 319次 阅读
AI新基建浪潮已至,CCF-GAIR全球人工智能与机器人峰会今日开幕!

人工智能(AI)推动声纹识别技术应用落地

这被称为固定文本的认证方式。“但会造成两个问题,第一是用户体验不好,每次都被要求生硬地念一段文本,无....
发表于 08-07 16:12 397次 阅读
人工智能(AI)推动声纹识别技术应用落地

机器学习案例 解码古埃及象形文字

关注的人都知道,谷歌 “Arts & Culture”总会发布些有趣的应用来增强人们与艺术和历史间的....
发表于 08-07 16:09 98次 阅读
机器学习案例 解码古埃及象形文字

学习机器学习的方法及如何运用Python

随着数据科学(Data Science)技术的兴起,人工智能(ArtificialIntellige....
发表于 08-07 16:02 97次 阅读
学习机器学习的方法及如何运用Python

简述机器学习有无监督的区别

机器学习是人工智能的一个子集,它通过示例和经验教会计算机执行任务,是研究和开发的热门领域。我们每天使....
发表于 08-07 15:49 35次 阅读
简述机器学习有无监督的区别

工控安全作为工业互联网发展的保障,其市场潜力巨大

  中海创投认为,长扬科技自身优势明显:长扬科技具备行业主流工业协议分析能力,具有较强的技术研发能力....
的头像 我快闭嘴 发表于 08-07 15:35 247次 阅读
工控安全作为工业互联网发展的保障,其市场潜力巨大

未来5G新基建 亚信科技5G+AI助力中国电信中国联通5G共建共享

2020年TMForum(国际电信管理论坛) Digital Transformation Worl....
的头像 电子观察说 发表于 08-07 15:31 473次 阅读
未来5G新基建 亚信科技5G+AI助力中国电信中国联通5G共建共享

互联网从投资驱动型转向务实经营,客户结构在发生改变

WebEye正是抓住了数字营销的变革与机遇,如今已发展成为一个超过400人的团队,拥有智能化投放平台....
的头像 我快闭嘴 发表于 08-07 15:17 500次 阅读
互联网从投资驱动型转向务实经营,客户结构在发生改变

AI视觉技术在智能边缘加速落地

据 Intel 技术专家介绍,AI 计算盒参考设计硬件平台以 Intel 通用计算平台 CPU 为主....
发表于 08-07 14:47 691次 阅读
AI视觉技术在智能边缘加速落地

如何看待AI智能外呼机器人开启销售模式

电话销售是当今商业领域发展最快、使用最多的一种营销形式,但是电话销售模式一直存在无法解决的弊端:
发表于 08-07 14:26 100次 阅读
如何看待AI智能外呼机器人开启销售模式

数据等创新技术正在加速投入疫情防控的关键应用

疫情暴发前,牛津经济研究院曾预测,到2030年,全球2000万个制造业工作岗位将被机器人取代。报告指....
发表于 08-07 14:14 310次 阅读
数据等创新技术正在加速投入疫情防控的关键应用

英特尔技术专家推出从原型到生产加速智能边缘的解决方案

针对边缘计算中,不同应用场景对算力需求灵活,并且会使用不同神经网络模型的特点,英特尔AI计算盒参考设....
发表于 08-07 11:56 399次 阅读
英特尔技术专家推出从原型到生产加速智能边缘的解决方案

关于SqueezeWave声码器的改进措施

自动语音合成对于众多智能应用十分重要,其中声学特征转换为音频输出的声码器在语音合成过程中具有十分重要....
发表于 08-07 11:42 25次 阅读
关于SqueezeWave声码器的改进措施

重庆市携科技“出海”,点亮城市智慧之光

创办五年来,特斯联布局全国各地,出走海外,以AIoT(人工智能物联网)赋能传统行业,跃升成为科技赛道....
发表于 08-07 10:48 265次 阅读
重庆市携科技“出海”,点亮城市智慧之光

日本即将超智能社会5.0?

次时代是一个和人工智能有关的概念,大意是指,人类制造了一种机器,这种机器有高超的人工智能,假设称为机....
发表于 08-07 10:23 580次 阅读
日本即将超智能社会5.0?

物联网、5G的兴起一直在推动将计算带入网络边缘的需求

解决方案具有AI功能(特别是机器学习),可为业务流程解决方案提供支持,该解决方案可跨工作负载提供可预....
发表于 08-07 10:13 104次 阅读
物联网、5G的兴起一直在推动将计算带入网络边缘的需求

人工智能已经全面应用到儿童看病中,智能云听诊器发挥大作用

听诊在儿童重大疾病筛查、常见病症诊断和疗效评判等方面发挥着重要作用。在每个人的印象里,医生的形象就是....
发表于 08-07 10:13 263次 阅读
人工智能已经全面应用到儿童看病中,智能云听诊器发挥大作用

钟南山院士团队与腾讯AI Lab利用AI预测COVID-19患者病情发展至危重概率的研究成果

医护人员只需输入患者的临床特征,重症早期分诊系统就可以返回患者在5、10和30天内病情发展至危重的概....
的头像 机器人技术与应用 发表于 08-07 09:49 259次 阅读
钟南山院士团队与腾讯AI Lab利用AI预测COVID-19患者病情发展至危重概率的研究成果

旷世推出了基于AI的智能测温系统,帮助控制疫情的扩散

根据艾伦人工智能研究所去年的一份分析报告显示,中国在发表人工智能论文方面已经超过美国。如果按照目前的....
发表于 08-07 09:41 164次 阅读
旷世推出了基于AI的智能测温系统,帮助控制疫情的扩散

人工智能机器视觉这一分支技术开始进入动物识别领域?

动物识别这条路之所以行得通,其原因在于动物与人类相仿,都有能够进行识别的生物特性。最典型的代表便是狗....
发表于 08-07 09:35 390次 阅读
人工智能机器视觉这一分支技术开始进入动物识别领域?

基于5G与未来6G,AI技术为人工智能和5G的融合注入新动能

今年7月,由联合国国际电信联盟(以下简称ITU)发起的“全球AI in 5G”大赛正式拉开帷幕,中兴....
发表于 08-07 09:09 227次 阅读
基于5G与未来6G,AI技术为人工智能和5G的融合注入新动能

华为在今年下半年宣告5GtoB生态圈正式启动

5G商业成功离不开行业的共同努力,构建一个广泛而联系紧密的生态系统至关重要。在今日的5“机”峰会上,....
发表于 08-07 08:54 309次 阅读
华为在今年下半年宣告5GtoB生态圈正式启动

5G+云+AI助力全球经济快速复苏

今日,以 “新价值 新机遇”为主题的5“机”峰会(5G for Good Summit)在沪上成功举....
发表于 08-07 08:29 277次 阅读
5G+云+AI助力全球经济快速复苏

加速5G产业集聚,华为助力上海打造协同创新生态体系

今日,由上海市经济与信息化委员会(以下简称经信委)指导,华为技术有限公司(以下简称华为)承办的5“机....
发表于 08-07 08:29 397次 阅读
加速5G产业集聚,华为助力上海打造协同创新生态体系

段然:面向DICT融合,构建以AI为驱动的“i无线”智慧极简5G网络

段然介绍:“通过对行业网需求分析,以及无线网解决方案分解,我们发现无线网自身的AI能力升级与业务侧引....
发表于 08-07 08:27 194次 阅读
段然:面向DICT融合,构建以AI为驱动的“i无线”智慧极简5G网络

5G驱动联接、云、AI、计算和行业应用五大产业升级

在产业规模方面,到2021年底,上海5G产业实现三个千亿的目标,即5G的制造业、软件和信息服务业、5....
发表于 08-07 08:19 140次 阅读
5G驱动联接、云、AI、计算和行业应用五大产业升级

如何消除对大数据的误解?

如果组织正处于使用大数据的早期阶段那么成功的关键将是提出正确的业务问题。许多业务领导者渴望在没有明确....
的头像 我快闭嘴 发表于 08-06 17:49 434次 阅读
如何消除对大数据的误解?

用声音训练基于家庭的AI应用?

“用于开发基于机器学习的交互的方法已经变得如此容易,以至于现在它正在收集正确的数据,以创建不仅可以听....
发表于 08-06 17:22 171次 阅读
用声音训练基于家庭的AI应用?

人工智能与机器人,未来人类会被取代吗?

在解决人类无法采取安全措施或无法采取安全措施的问题时,人工智能(简称AI)非常有用。借助存储在其中的....
发表于 08-06 17:03 408次 阅读
人工智能与机器人,未来人类会被取代吗?

人工智能技术在3D打印中的应用

一旦打印机设置好并准备就绪,代码的比较部分就会启动。模型的每一层,在打印时,都会与数字副本中的一个分....
发表于 08-06 16:52 275次 阅读
人工智能技术在3D打印中的应用

天津移动开始推进AI智能基站节能方案

AI智能节能方案可自动进行话务预测、节能策略生成与下发、参数配置的优化,无需人工干预,大大降低了节能....
发表于 08-06 16:36 174次 阅读
天津移动开始推进AI智能基站节能方案

快讯:华为云发布EI工业智能体2.0

经过半年的创业加速孵化,第四期霍尼韦尔-启迪智能技术加速营于7月17日举行线上路演活动,来自智能建筑....
的头像 机器人大讲堂 发表于 08-06 16:18 166次 阅读
快讯:华为云发布EI工业智能体2.0

人工智能(AI)居然会犯罪?

  研究人员从学术论文、新闻和时事报道、小说和流行文化中收集了20项人工智能犯罪。然后,他们召集了3....
发表于 08-06 16:10 436次 阅读
人工智能(AI)居然会犯罪?

计算形态在5G网络环境下拥有哪三大优势?

“5G+计算,构筑无处不在的‘端边云’协同形态。”他指出,为了应对大量产生在边缘侧的需求,就必须将部....
发表于 08-06 15:58 116次 阅读
计算形态在5G网络环境下拥有哪三大优势?

大唐移动提出了基于场景化的智慧网络解决方案

针对森林场景,大唐移动提出“广覆盖‘平’时打底,高热点‘急’时保障”的“平急”结合方案。平时利用地面....
发表于 08-06 15:33 158次 阅读
大唐移动提出了基于场景化的智慧网络解决方案

快讯:制造业的人工智能市场价值将达到167亿美元

近日,美国新华美通/-根据新的市场研究报告“ 通过提供(硬件,软件和服务),技术(机器学习,计算机视....
的头像 机器人大讲堂 发表于 08-06 15:31 664次 阅读
快讯:制造业的人工智能市场价值将达到167亿美元

CMU研究团队打造出了一款拥有人类「常识」的导航机器人

例如,让机器人去拿放在「植物」旁边的遥控器,机器人几乎立即检测出了「植物」盆栽所在的位置,从而检测到....
的头像 机器人大讲堂 发表于 08-06 15:28 528次 阅读
CMU研究团队打造出了一款拥有人类「常识」的导航机器人

学习与工作不耽误,便携式AI录音笔值得拥有

学习是贯穿一个人一生的主题,学生时代主要任务就是学习,工作时期各种会议、培训都是学习的机会。不过每个....
发表于 08-06 15:20 86次 阅读
学习与工作不耽误,便携式AI录音笔值得拥有

达摩院遥感AI升级将提高5倍处理速度

阿里巴巴达摩院表示,在一周内升级了遥感AI技术,开发出应用于防汛的水体识别算法,支持水利部相关监测与....
发表于 08-06 15:08 128次 阅读
达摩院遥感AI升级将提高5倍处理速度

人工智能可能会统治全人类,最怕的是谷歌DeepMind?

在国际象棋、中国象棋先后落败后,人类一度把围棋视为人类最后的智慧高地。而在2016年, AlphaG....
的头像 机器人大讲堂 发表于 08-06 14:44 249次 阅读
人工智能可能会统治全人类,最怕的是谷歌DeepMind?

到2025年,全球5G小基站的部署和升级将达到1025万台

顾名思义,小基站的“身材”比宏基站要小,发射功率、覆盖范围等也相应缩小。身材虽小,功能却不容小觑。5....
发表于 08-06 13:13 190次 阅读
到2025年,全球5G小基站的部署和升级将达到1025万台

人工智能(AI)技术对医学的临床实践会有所帮助?

电子病历是现代医学中最严重的一次失败,因为它仅出于商业目的(用于计费)而建立,而没有考虑对医生,患者....
发表于 08-06 11:46 214次 阅读
人工智能(AI)技术对医学的临床实践会有所帮助?

人工智能和机器学习能为更多的公司维持在家工作(WFH)文化?

对WFH的批评之一是企业监视外部工人的生产力和质量的能力。幸运的是,人工智能和机器学习可以帮助您。团....
发表于 08-06 11:40 230次 阅读
人工智能和机器学习能为更多的公司维持在家工作(WFH)文化?

关于机器学习的日志

机器学习日志
发表于 07-08 12:54 18次 阅读
关于机器学习的日志

机器学习小白的总结

机器学习小白第一周自我总结
发表于 07-08 08:27 32次 阅读
机器学习小白的总结

机器学习之周志华完整版

链接: 提取码:2ja8
发表于 06-28 18:46 223次 阅读
机器学习之周志华完整版

吴恩达机器学习之Coursera-week

吴恩达机器学习Coursera-week10
发表于 06-19 11:22 1781次 阅读
吴恩达机器学习之Coursera-week

机器学习笔记之BP推导

机器学习笔记:BP推导
发表于 06-15 17:11 86次 阅读
机器学习笔记之BP推导

斯坦福机器学习公开课笔记之单变量线性回归

斯坦福机器学习公开课笔记 一 --单变量线性回归...
发表于 06-11 13:53 1669次 阅读
斯坦福机器学习公开课笔记之单变量线性回归

机器学习的资源分享

机器学习资源分享
发表于 06-09 16:31 83次 阅读
机器学习的资源分享

机器学习算法分享

机器学习算法(1)——Logistic Regression
发表于 06-09 13:30 78次 阅读
机器学习算法分享

吴恩达机器学习笔记分享

吴恩达机器学习笔记 —— 1 绪论:初识机器学习...
发表于 06-05 17:42 91次 阅读
吴恩达机器学习笔记分享

机器学习基石笔记分享

机器学习基石笔记01
发表于 06-03 08:14 64次 阅读
机器学习基石笔记分享