強(qiáng)化學(xué)習(xí)全解

強(qiáng)化學(xué)習(xí)（Re-inforcement Learning） 是一種基于與環(huán)境互動(dòng)的目標(biāo)導(dǎo)向的學(xué)習(xí)。強(qiáng)化學(xué)習(xí)被認(rèn)為是真正的人工智能的希望。作者認(rèn)為這是正確的說(shuō)法，因?yàn)閺?qiáng)化學(xué)習(xí)擁有巨大的潛力。

據(jù)雷鋒網(wǎng)了解，很多人說(shuō)，強(qiáng)化學(xué)習(xí)被認(rèn)為是真正的人工智能的希望。本文從 7 個(gè)方面帶你入門強(qiáng)化學(xué)習(xí)，讀完本文，希望你對(duì)強(qiáng)化學(xué)習(xí)及實(shí)戰(zhàn)中實(shí)現(xiàn)算法有著更透徹的了解。

詳情：http://dataunion.org/27366.html

Facebook 機(jī)器學(xué)習(xí)@Scale 2017 資料匯總

據(jù)雷鋒網(wǎng)了解，上周 Facebook 了舉辦了機(jī)器學(xué)習(xí) @Scale 大會(huì)，大會(huì)匯集了眾多數(shù)據(jù)科學(xué)家、工程師和研究人員，他們討論大規(guī)模應(yīng)用機(jī)器學(xué)習(xí)解決方案中的技術(shù)挑戰(zhàn)范圍。

300 多名與會(huì)者聚集在曼哈頓大都市西部，聽(tīng)取來(lái)自 Bloomberg，Clarifai，F(xiàn)acebook，Google，Instagram，LinkedIn 和 ZocDoc 的工程領(lǐng)導(dǎo)人的講話，他們分享了各種不同的方法來(lái)構(gòu)建數(shù)百萬(wàn)甚至數(shù)十億人使用的機(jī)器學(xué)習(xí)系統(tǒng)。

現(xiàn)將演講視頻整合于一個(gè)頁(yè)面中，方便來(lái)到雷鋒網(wǎng)的大家聆聽(tīng)、學(xué)習(xí)、查閱。

詳情：http://t.cn/RJ1jEyc

科學(xué)數(shù)據(jù)云

Stefan 在視頻中探討了他在 StitchFix 是如何利用云來(lái)使 80 個(gè)數(shù)據(jù)科學(xué)家一起工作的。

他也談及了對(duì)原型的想法、算法和分析，以及他們是如何在 Hive，Presto，Redshift 和 Spark 之間建立以及保持模式的同步。

對(duì)于眾多數(shù)據(jù)科學(xué)家共同工作，究竟如何使數(shù)據(jù)訪問(wèn)更加簡(jiǎn)潔方便，Stefan 也進(jìn)行了相應(yīng)的分享。

詳情：http://dwz.cn/5m4FYq

大數(shù)據(jù)的稀疏網(wǎng)絡(luò)：利用大規(guī)模學(xué)習(xí)的簡(jiǎn)約性

高維數(shù)據(jù)分析科學(xué)和工業(yè)變得無(wú)處不在。

數(shù)據(jù)分析的一個(gè)重要工具是非參數(shù)模型的監(jiān)督學(xué)習(xí)，這種方法在沒(méi)有明確的數(shù)據(jù)假設(shè)的情況下估計(jì)了目標(biāo)和輸入變量之間的依賴關(guān)系。然而，這種普遍性是要付出計(jì)算成本與輸入維數(shù)的成倍增長(zhǎng)作為代價(jià)。一般來(lái)說(shuō)，非參數(shù)模型不能逃避維度增長(zhǎng)的問(wèn)題，除非這個(gè)問(wèn)題具有確定的一些屬性。因此，為了促進(jìn)大規(guī)模監(jiān)督學(xué)習(xí)的發(fā)展，本文主要關(guān)注兩個(gè)屬性：數(shù)據(jù)低維流形的存在和高階輸入變量之間的相互作用的重要性打折。一個(gè)問(wèn)題常常在一定程度上表現(xiàn)出這兩種屬性。為了識(shí)別和利用這些屬性，這工作擴(kuò)展了對(duì)于分層稀疏網(wǎng)絡(luò)模型的簡(jiǎn)約性的概念。在發(fā)展學(xué)習(xí)算法的同時(shí)，也優(yōu)化了模型參數(shù)和模型結(jié)構(gòu)以適應(yīng)手頭的問(wèn)題。

詳情：http://t.cn/RJDMPpv

論文下載地址：https://pan.baidu.com/s/1o8oDuTO

深度學(xué)習(xí)是如何改變數(shù)據(jù)科學(xué)規(guī)范的？

深度學(xué)習(xí)正在改變一切，它正變得無(wú)處不在。

就像電子和電腦改變了所有經(jīng)濟(jì)活動(dòng)一樣，人工智能將重塑零售、運(yùn)輸、制造、醫(yī)藥、電信、重工業(yè)……甚至數(shù)據(jù)科學(xué)本身。這個(gè)應(yīng)用領(lǐng)域的列表還在持續(xù)增長(zhǎng)，而這個(gè)列表正是展示出了在哪些領(lǐng)域中 AI 可以比人類做得更好。

我們?cè)?Schibsted 看到了深度學(xué)習(xí)所提供的機(jī)會(huì)，對(duì)于能夠在其中做出一份貢獻(xiàn)，我們也很興奮。

詳情：http://t.cn/RJg1DQY

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。