0
| 本文作者： no name | 2016-10-29 17:19 |
AI 科技評論君對上周末剛剛結(jié)束的 CNCC 2016 大會依然意猶未盡，無論是包云崗研究員提出通過標(biāo)簽化馮諾依曼結(jié)構(gòu)降低云計算數(shù)據(jù)中心成本，還是山世光研究員介紹的深度化人臉檢測與識別技術(shù)中關(guān)于深度學(xué)習(xí)的應(yīng)用，都展示了國內(nèi)人工智能領(lǐng)域的學(xué)術(shù)創(chuàng)新成果。
而來自業(yè)界的出門問問創(chuàng)始人李志剛和大家講述了的 AI 創(chuàng)業(yè)路上的那些坑與機遇，也作為最早一批人工智能領(lǐng)域的創(chuàng)業(yè)者，給廣大讀者帶了不同的思考感悟。
除了關(guān)于創(chuàng)新和創(chuàng)業(yè)的分享，AI 科技評論君也注意到了科技巨頭 Google 的學(xué)術(shù)動態(tài)，其最新發(fā)布的增強型風(fēng)格遷移算法可以簡單地讓單個深度卷積風(fēng)格遷移網(wǎng)絡(luò)（Deep Convolutional style Transfer Network）同時學(xué)習(xí)多種藝術(shù)風(fēng)格。
說了這么多關(guān)于人工智能的學(xué)界和業(yè)界動態(tài)，躍躍欲試的你卻還是個 AI“小白”，連什么是機器學(xué)習(xí)都不明白，怎么辦呢？沒關(guān)系，AI 科技評論君這周貼心地為大家準(zhǔn)備了福利 —— 16 個新手必看的機器學(xué)習(xí)視頻教程。
下面我們一起回顧一下本周的 AI 科技評論頭條吧。
| 中科院包云崗37頁PPT剖析 ——如何降低云計算數(shù)據(jù)中心的成本？
包云崗是中科院計算所研究員、博士生導(dǎo)師、先進計算機系統(tǒng)研究中心副主任，作為 CNCC 2016 的特邀嘉賓的他提出通過標(biāo)簽化馮諾依曼結(jié)構(gòu)降低云計算數(shù)據(jù)中心的成本。
標(biāo)簽化馮諾依曼結(jié)構(gòu)它的目標(biāo)其實是：
去提高數(shù)據(jù)中心的資源利用率，降低數(shù)據(jù)中心的整個成本。
圍繞這個目標(biāo)的三個關(guān)鍵詞是云計算、馮諾依曼結(jié)構(gòu)以及標(biāo)簽化。
但是也有人問我？如果它以后真的會成為主流？關(guān)于數(shù)據(jù)中心成本降低了，對于設(shè)備商來說，他們愿意干嗎？為什么他們有動力去做呢？因為他們的收入好像會下降。
這里我想提一點，其實在200年前，英國的經(jīng)濟學(xué)家杰文斯就問過這個問題，煤炭利用率提升了一倍，但會不會煤的產(chǎn)量下降呢？事實上，他發(fā)現(xiàn)，煤的產(chǎn)量增加了，因為更多的人會去用，所以技術(shù)的進步會去增加技術(shù)的消費量，我相信我們通過努力，去降低云計算的成本，也會進一步去促進云計算的快速發(fā)展。
| 中科院山世光：深度化的人臉檢測與識別技術(shù)—進展與展望
山世光是中科院計算所研究員，中科院智能信息處理重點實驗室常務(wù)副主任，在 CNCC 2016 可視媒體計算論壇上發(fā)表了演講，介紹最近幾年在人臉識別領(lǐng)域幾個關(guān)鍵流程上面，深度學(xué)習(xí)的應(yīng)用情況。
特別要提到的是學(xué)術(shù)界的里程碑（數(shù)據(jù)庫）：ORL——FERET——FRGC v2.0——LFW
也給出了目前人臉識別的應(yīng)用現(xiàn)狀：
總結(jié)這個報告就是以下幾點：
人臉檢測與識別不再具有特殊性
深度模型（&大數(shù)據(jù)&高性能計算）極大推進了人臉識別能力，在一些（用戶配合的）任務(wù)上能超過人眼
萬人規(guī)模的黑名單視頻監(jiān)控場景尚不成熟
SeetaFace為大家提供了一個不錯的baseline
| 出門問問李志飛：AI 創(chuàng)業(yè)路上的那些坑與機遇
在 CNCC 2016 大會特邀報告中，出門問問創(chuàng)始人李志飛介紹了最常見的兩條 AI 產(chǎn)業(yè)化路線：
在已有的產(chǎn)品中實現(xiàn) AI first 戰(zhàn)略，比如 Google；
AI 作為技術(shù) API 提供給第三方，比如出門問問。
“前者適用于大公司，后者適用于小公司?！?/p>
To B 的優(yōu)勢在于：初期就能賺到錢；更專注，不需要全棧式團隊；實現(xiàn)應(yīng)用更豐富。
To B 的劣勢在于：難以擴大規(guī)模。
To C 的優(yōu)勢在于：打造自主的品牌；逐漸形成規(guī)模和商業(yè)模式。
To C 的劣勢在于：需要更長時間的積累；需要全棧式的團隊。
出門問問選擇 To C 的代價就是要經(jīng)歷從軟到硬的痛苦過程，李志飛和大家分享了幾個需要注意的方面：
必須發(fā)現(xiàn)并尊重硬件規(guī)律；
必須依循硬件的生命周期；
硬件的個性化交互創(chuàng)新很難實現(xiàn)。
| Google 最新發(fā)布的增強型風(fēng)格遷移算法
Google 本周發(fā)布了一種新的遷移網(wǎng)絡(luò)（來自其論文《A Learned Representation for Artistic Style》）同時學(xué)習(xí)多種風(fēng)格的簡單方法，可以簡單地讓單個深度卷積風(fēng)格遷移網(wǎng)絡(luò)（Deep Convolutional style Transfer Network）同時學(xué)習(xí)多種藝術(shù)風(fēng)格。
這種方法能實現(xiàn)實時的風(fēng)格插補（Style Interpolation），其不僅可以應(yīng)用于靜態(tài)圖像，還可應(yīng)用于視頻中。
如上圖所示，在實際使用中用戶可使用13 種不同的繪畫風(fēng)格，通過滑塊調(diào)整這些風(fēng)格的相對強度。多種風(fēng)格實時結(jié)合到一起，最后得到一個輸出。
下圖是 4 種風(fēng)格按不同比例結(jié)合的成果：
| 16 個新手必看的機器學(xué)習(xí)視頻教程
我們很多人都沒有注意到，其實 YouTube 上面有大量免費的機器學(xué)習(xí)的指導(dǎo)課程。你無須再等待 MOOC 課程的更新了，可以在 YouTube 上面找到你想要的。（備注：請自備梯子科學(xué)上網(wǎng)觀看）
本文可以幫助你發(fā)現(xiàn)新的工具、技術(shù)、方法等。你要牢記這句話：對新知識的學(xué)習(xí)要像生命對于活水的需求一樣迫切，永遠(yuǎn)不要停下追趕新知識、新觀點的腳步。
這些視頻主要分成 4 個部分，內(nèi)容目錄：
1、機器學(xué)習(xí)新手入門
·如何成為一個數(shù)據(jù)科學(xué)家
·每個程序員都應(yīng)掌握的重要數(shù)據(jù)處理技巧
·數(shù)據(jù)科學(xué)大賽的新手指南
·機器學(xué)習(xí)指南
2、最新的機器學(xué)習(xí)課程
·統(tǒng)計學(xué)機器學(xué)習(xí)
·滑鐵盧大學(xué)機器學(xué)習(xí)課程
·基于 Python 的機器學(xué)習(xí)實踐
·Geoff Hinton 的神經(jīng)網(wǎng)絡(luò)課程
3、其他有用的講座
·失衡數(shù)據(jù)集下的機器學(xué)習(xí)
·Scikit—learn教程
·前沿技術(shù)——深度學(xué)習(xí)
·Pandas 新手教程
·基于 Python 語言的預(yù)測模型
4、企業(yè)機器學(xué)習(xí)案例
·谷歌
·Grabtaxi
| 公開課預(yù)告
最后，預(yù)告一下公開課時間： 11 月 1 日，下周二下午 3 點。歡迎大家踴躍報名。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
