人工智能（AI）和机器学习以许多不同的方式影响着我们的日常生活。它们帮助企业为一些世界领先的公司制定决策并优化运营。因此，未来就业和就业将发生巨大变化。

我们日常遇到的人工智能是把复杂问题进行分解成一个一个小模块，然后再逐一进行比较，识别。现实中的问题只不过是大量的人工智能算法相互叠加得到，是大量的逻辑叠加而来，就像计算机软件最本质是由0-1逻辑叠加而来一样。

在使用Tensorflow搭建神经网络的时候，最后一步总会用到tf.train.XxxOptimizer(). 然后会有很多Optimizer()

Facebook AI研究人员和工程师开发了一种新方法，该方法使用深度学习和弱监督训练来预测商业上可用的高分辨率卫星图像的道路网络。

如果你听说过转置卷积并对它的实际含义感到困惑，这篇文章就是为你写的。

中国的房价已经成为一门让人看不清、摸不透的玄学

吴恩达的新书“Machine Learning Yearning”，大家看过了吗？

谷歌大脑团队提出了“数据回送（data echoing）”算法，它减少了训练前期阶段的总计算量，并在加速器上游的计算占用训练时间时加快训练速度。

人工智能的发展并非没有挑战。

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…

数据正在以指数级的速度生成，现在比以往任何时候都更需要那些能够理解数据并从中提取价值的人。如果你渴望成为下一代数据科学家，那么这些来自前辈们的经验教训将助你一臂之力。

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。

人工智能做八年级卷子，选择题正确率超90%

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。

摘 要： 在这个大数据时代，空间数据正在从各个领域飞速累计。空间数据挖掘作为数据挖掘的一部分，现已成为人们研究空间数据的重点学科。主要介绍了空间数据挖掘的基本概念、一般步骤及其最新的挖掘方法，表达了对当前空间数据挖掘的看法。最后对未来空间数据挖掘的研究方向进行了更加深入的探讨。 0 引言 空间数据挖掘（Spatial Data Mining，SDM）即找出开…

不同于检测、识别等视觉领域深度学习一统天下的趋势，深度学习在目标跟踪领域的应用并非一帆风顺。

在阿尔法狗战胜李世石后，人工智能在全球的热议程度达到一个新的高度。得益于神经网络深度学习在算法上的突破，使得多个基础人工智能技术水平得到飞跃提升。计算机视觉、机器学习、自然语言处理、机器人技术、语音识别等人工智能技术快速发展对整个社会带来的改变将远大于互联网。

Google Research宣布，世界准确度最高的自然语言解析器SyntaxNet开源。谷歌开源再进一步。

bp神经网络虽然取得了很大的进步，但它本身存在着一些无法避免的问题，其中一个比较困惑的应该是局部最优解问题。