人工智能 （AI） 已成为我们生活中无处不在的力量，无论是个人还是职业。从虚拟助手到高级算法，人工智能迅速改变了我们的工作方式。随着技术的不断发展，雇主越来越强调人工智能素养在员工中的重要性。在本文中，我们将探讨为什么您的老板希望您知道如何使用人工智能，以及如何在感到不知所措或不足的情况下接受这项技术。

 深度学习框架是简化人工神经网络（ANN）开发的重要工具，其发展非常迅速。其中，TensorFlow 和 PyTorch 脱颖而出，它们在各种机器学习领域都有自己的特色。但是如何确定特定项目的理想工具呢？本文旨在阐明它们的优势和劣势。

在不断发展的教育格局中，一刀切的方法正在成为过去。传统的课堂模式，即不同能力和兴趣的学生以相同的速度学习相同的材料，有其局限性。幸运的是，技术进步，特别是人工智能（AI）技术进步，正在重塑教育，使其比以往任何时候都更加个性化。在本文中，我们将深入研究个性化教育的概念，探索人工智能在这种转变中的作用...

最新的 AI 视频工具之一就是将 AI 助手与 AI 视频编辑器相结合的。用户通过这种类型的工具只需要几个简单的命令就可以制作高质量的视频。

增量学习代表了学术界的一种动态方法，促进逐步和一致的知识同化。与向学习者提供海量信息的传统方法不同，增量学习将复杂的主题分解为可管理的片段。在机器学习中，增量方法训练人工智能模型逐步吸收新知识。这使模型能够保留并增强现有的理解，形成持续进步的基石。

本文将探讨生成对抗网络（GANs）及其在时尚图像生成方面的卓越能力。GANs 彻底改变了生成建模领域，提供了一种通过对抗式学习创建新内容的创新方法。

什么是人工智能？人工智能过去已经达到了什么水平？过去几年人工智能的重要里程碑是什么？5年、20年、50年、100年后人工智能将解决什么问题？人工智能的未来又将如何？

踏上人工智能的演变之旅和自然语言处理(NLP) 领域取得的惊人进步。一眨眼的功夫，人工智能已经崛起，塑造了我们的世界。训练大型语言模型的巨大影响彻底改变了 NLP，彻底改变了我们的技术交互。时间回到 2017 年，这是一个以“注意力就是你所需要的”为标志的关键时刻，开创性的“Transformer”架构诞生了。该架构现在构成了...

近十年来，我对对话式人工智能的浓厚兴趣促使我探索其在提高生产力和应对业务挑战方面的潜力。我与他人共同创立了 Humin，这是一个对话式人工智能 CRM，后来被 Tinder 收购。此外，我还领导了 Snaps 的技术合作伙伴关系，这是一个客户服务对话式人工智能平台，已被 Quiq 收购。

在过去，当时图灵测试似乎是一个相当严格的机器智能探测器。你可能对它的工作原理很熟悉：人类法官与两个隐藏的对话者（一个人和一台计算机）进行文本对话，并尝试确定哪个是哪个。如果计算机能够愚弄至少 30% 的评委，那么它就通过了测试，并被认为具有思考能力。

“赛博朋克、贫民窟、红蓝色调、黑暗场景、雨天，钢筋水泥的城市里，街道上矗立着复杂的霓虹灯广告牌。” 输入这段文字，等待几秒，你就会得到优质的雨天街景和赛博朋克风格的画作，这就是最近火热的AI画作。人工智能正在向人类引以为傲的艺术领域积极宣战。这是机器对自由意志的又一次猛烈攻击。面对这波科技浪潮，有人期...

Python 已成为人工智能 (AI) 和机器学习领域的通用语言。其广泛的应用、强大的库生态系统和用户友好的语法使其成为人工智能爱好者、数据科学家和研究人员的理想选择。在这份综合指南中，我们将探讨用于 AI 编程的 Python 基础知识，深入研究关键库，并重点介绍 AI 开发的基本工具。

Python 是一门多功能的计算机高级编程语言，它几乎可以应用于任何编程任务并快速开发和调试，在许多不同领域都有广泛应用，如数据分析、人工智能、大数据研究、Web 开发等，并有较好的就业前景和高薪工作。

人在学习新知识的时候，能根据之前的知识很快的学习相似的知识，并且能不遗忘从前的知识。而机器，或者更准确一点说神经网络，在学习新任务的同时会出现一些问题——灾难性遗忘问题（catastrophic forgetting）。解决这个问题的方法我们称之为持续学习（continual learning）。本文重点探讨了近年来的持续学习的一些经典方...

GAN全称是 Generative Adversarial Network，即生成对抗网络。Generative 学习一个生成式模型；Adversarial 使用对抗的方法训练；Networks 使用神经网络。GAN 模型是一种通过对抗的方式去学习数据分布的生成式模型，其核心思想就是通过生成式网络G（Generator）和判别网络D（Discriminator）不断博弈，来达到生成真数据...

数据并行训练（Data parallel training） 已经广泛地运用在在深度神经网络的分布式计算中，但是，分布式计算带来的性能提升经常受限于参数同步性能的瓶颈。作者等人提出了一种新的参数同步机制：Priority-based Parameter Propagation （P3），提高了模型的训练集群对网络带宽的利用率，加快了模型的训练速度。我们首先...

知识蒸馏（Knowledge Distillation）最早是在2006年由 Bulica 提出的，在2014年 Hinton 对知识蒸馏做了归纳和发展。知识蒸馏主要思想是训练一个小的网络模型来模仿一个预先训练好的大型网络或者集成的网络。Hinton 在2015年发表的论文中提出了‘softmax temperature’的概念，对 softmax 函数做了改进：

联邦学习是一种分布式的机器学习方法，可以对大量分散在移动设备上的数据进行训练，而在实现时，则会遇到许多问题。因此，如何设计一个系统这个问题就会自然而然产生。本文基于 Tensorflow ，介绍基于移动设备的联邦学习的系统设计，概述一些挑战和解决方法，并探讨一些未解决的问题和未来的方向。

某银行A与某互联网公司B达成了企业级的合作。互联网公司A与银行B有着一大部分重合的用户，A有着客户上网行为等特征信息。B有着客户的存贷情况等特征信息以及客户的标签信息——客户的还贷情况(Y)。B希望能够将他所独有的特征信息与A所独有的特征信息相结合，训练出一个更强大的识别客户信用风险的模型，但由于不同行业之间...

AlexNet模型来源于论文-ImageNet Classification with Deep Convolutional Neural Networks，作者Alex Krizhevsky，Ilya Sutskever，Geoffrey E.Hinton.AlexNet在ImageNet LSVRC-2012比赛中，达到最低的15.3%的Top-5错误率，比第二名低10.8个百分点。

激活函数是神经网络的相当重要的一部分，在神经网络的发展史上，各种激活函数也是一个研究的方向。我们在学习中，往往没有思考过——为什么用这个函数以及它们是从何而来？

域适应是迁移学习中最常见的问题之一，域不同但任务相同，且源域数据有标签，目标域数据没有标签或者很少数据有标签。域适应通过将源域和目标域的特征投影到相似的特征空间，这样就可以拿源域的分类器对目标域进行分类了

目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置。计算机视觉中关于图像识别有四大类任务：1.分类-Classification：解决“是什么？”的问题，即给定一张图片或一段视频判断里面包含什么类别的目标。2.定位-Location：解决“在哪里？”的问题，即定位出这个目标的的位置。3....

ResNet的介绍和实现ResNet的介绍为什么要用ResNet {代码...} 图1 20层和56层的神经网络对CIFAR-10的训练结果图[1] {代码...} ResNet的基本单元 {代码...} 图2 ResNet的基本单元[1] {代码...} ResNet的实现处理数据集 {代码...} {代码...} 搭建神经网络 {代码...} 图3 红框内即所搭建的18层ResNet的结构[1] {代码...} 编...

很多人最开始接触“ GPU ”想必都是通过游戏，一块高性能的 GPU 能带来非凡的游戏体验。而真正使GPU被越来越多人熟知是因为机器学习、深度学习的大热（也有人用于比特币挖矿），因为庞大的数据与计算量需要更快的处理速度，GPU 编程也因此越来越普遍。从事深度学习的工作者常常自嘲自己为“炼丹师”，因为日常工作是：搭网络...

垃圾分类作为一种有效处理垃圾的科学管理方案，在提高资源利用率、缓解垃圾生产压力以及改善生态环境等方面具有重要意义，是我国社会主义现代化和城市化进程中所必须采取的策略，备受世界各国的迫切关注。2019年以来，随着上海市、杭州市等垃圾分类重点城市有关生活垃圾分类的立法、执法和监督等工作的顺利开展，人们对...

生成式对抗网络(Generative adversarial networks,GANs)的核心思想源自于零和博弈，包括生成器和判别器两个部分。生成器接收随机变量并生成“假”样本，判别器则用于判断输入的样本是真实的还是合成的。两者通过相互对抗来获得彼此性能的提升。判别器所作的其实就是一个二分类任务，我们可以计算他的损失并进行反向传播求...

目前，全球疫情仍处于严峻时刻，许多计算机相关领域工作者也都参与到研究病毒、疫情等工作中。足量的高质量的COVID-19 图像数据集能用有效地帮助医院加快筛选和检测新冠肺炎，但由于隐私保护，目前难以获得足量的数据集。因可以先通过疟疾数据集训练细胞检测模型，后面可以利用迁移学习来训练COVID-19。本文使用深度学习...

数据挖掘入门——以二手车价格预测为例 作者：张杰 数据挖掘的步骤 Data Analysis Feature Engineering Feature Selection Model Building Model Deployment 1. Data Analysis 对于数据分析部分，需要探索以下几个点：1)Missing Values 2)All The Numerical Variables 3)Distribution of the Numerical Variables 4)Catego...