融慧金科 AI Lab团队 稿 [图片] 1.背景介绍 书籍推荐 首先，想向各位读者推荐一本电子书籍《Interpretable Machine Learning》，其原因有两个： 1.该书作者从2017年首次在网络发布本书之后至今一直在持续更新，在github上可以看到其最新的更新时间是今年的6月 ....

[图片] 分享嘉宾：常景冬 腾讯 高级研究员 编辑整理：高同学 中国科学院大学 出品平台：DataFunTalk 导读： 近年来随着搜索、语音交互、智能客服等场景的不断进化，问答技术的应用越来越丰富，本文将会介绍智能问答在QQ浏览器搜索引擎上的相关工作，通过精准、快速满足用户检索意图帮助搜索引擎的智 ....

## 问题1：搜索旋转排序数组带重复值问题 该题为leetcode第81题，搜索先转排序数组II 对于数组中有重复元素的情况，二分查找时可能会有 a[l]=a[mid]=a[r]，此时无法判断区间 [l,mid] 和区间 [mid+1,r] 哪个是有序的。 例如nums=[3,1,2,3,3,3,3 ....

选择学习率的简单方法是尝试一堆数字，然后使用看起来效果最好的那个，当训练不再能改善损失时，手动减少它。

黑人女性报错率比白人高20%，面部识别系统为何不能一视同仁？

几十年来，机器学习领域一直饱受“坦克问题（tank problem）”的折磨

简单和复杂的技巧，帮助你提升深度学习的模型准确率

在本文中，我整理了一些最常见的机器学习面试问题，并给出了相应的答案。有志于机器学习的人，以及有经验的ML专业人士，都可以在面试前利用这一点来完善一下他们的基础知识。

损失函数是衡量预测模型在预测预期结果方面做得有多好。

在第二遍检测中，该方法通过语音增强对语音信号进行去噪。该方法进一步评估了RedDots 2016挑战数据库中的数据以验证性能。结果证明了rVAD相比传统方法具有竞争力。 我们都需要更好、更有效的AI算法。更精确的VAD方法有助于AI社区实现性能更好的语音通信系统。谈话语音识别，语音编码，说话人识别，回声消除，音频会议，免提电话等应用均可从中获益。 这一研究还…

利用人工智能来检测作业中作弊行为的技术，具有广泛的应用前景。

未来我们有可能爱上我们的机器人吗？

两个月三项成果，对标谷歌！独家对话小米，如何让模型搜索更公平。

奥地利符号计算研究所的Christoph Koutschan博士在自己的页面上发布了一篇文章，提到他做了一个调查，参与者大多数是计算机科学家，他请这些科学家投票选出最重要的算法，以下是这次调查的结果，按照英文名称字母顺序排序。

你想要的算法这都有！

或许一场关于自然语言处理的精彩辩论可以告诉我们何谓“半个贝叶斯人”，让我们把时光拨回到几年前。

追随内心，还是追随大数据？

企业数据科学仍然是一个新领域。许多学者还没有为真正的企业解决实际问题。因此，他们以与数据和业务环境分离的方式教授教科书算法。这可以在智力上很有趣。但是，如果学生认为这些课程能够很好地为数据科学家工作，那么他们就错了。

作为世界创新的源动力，人工智能正在扮演越来越重要的角色，今天的人工智能处于什么阶段？未来人类智能和人工智能将如何走向？智能文明的形态又会是什么？

我们就从最先进的AlphaZero入手开始讨论，这个模型总体结构其实是比较简单的，但是深入到细节方面，却又有很多值得学习之处。