返回 登录
6

【AI每日播报】IBM Watson与世界顶级癌症研究机构分手

14年前,IBM研发的计算机“深蓝”(Deep Blue)战胜了国际象棋冠军卡斯帕罗夫;现在,这家公司以创始人Thomas J. Watson名字命名的计算机,继续着对人类智能极限的挑战。但最近,IBM Watson遭遇了公关危机,意图在医疗领域大展身手的Waston却与世界顶级癌症机构分手,今日播报就从这件事开始。点击题目蓝色字体即可阅读原文。

IBM 与顶级癌症医院 MDA 分手

IBM 最近遭遇了一点尴尬。这家公司赌上 50 亿美元力推的人工智能项目——IBM Watson,本来号称要在智能医疗领域大有作为,却被曝出与世界顶级癌症研究机构MD Anderson之间的合作正在分崩离析。据外媒报道,现在双方各执一词,IBM 坚称技术并无问题,而且也得到了另外一家新医疗机构的订单。

德克萨斯大学审计员提交的一份报告严厉地指出,与 IBM Watson的合作花费了MD Anderson 6200多万美元,却仍未达预期目标。

徐小平对话雷鸣——AI 创业仅有科学家是万万不行的

昨天在北京大学,北大AI系列公开课开幕,首期嘉宾徐小平对话雷鸣。二位就智能时代数据如何获得、中美两国在市场上的差异、创业的入口痛点如何选择、不想被AI取代必须掌握的五个能力等方面进行了探讨。

徐小平表示,其投资看重3个C:

  1. Chemistry,团队要有渊源有理解,有共同文化。依图的朱珑是做技术,他有个合伙人做商务,他们是一起长大的中学同学。 他们就是一个很好的例子,所以要找到有共同价值观的合伙人。
  2. Complementary,之前提到的三个博士没投,就是因为没有互补。
  3. Compromise,要有这样一种文化,既能够相互拍桌子,又能够相互妥协,这样才能做起来。没有公司不在战斗中成长,都是打打闹闹、哭哭啼啼的,才能成长。

机器学习及深度学习系列原创教程

本系列教程由CSDN博主alienware-X本着开放与共享的精神撰写,目的是让更多的人了解机器学习的概念,理解其原理,学会应用。本系列对教课书籍和网络资源进行汇总、理解与整理,梳理了一些基础的方法模型。包括:

  1. 机器学习系列:回归、决策树、随机森林、Kmeans聚类、随机采样等方法整理
  2. 深度学习系列:受限玻尔兹曼机、CNN、Squeezenet模型、Encoder-Decoder模型、注意力模型等
  3. 自组织神经网络系列:包括自组织特征映射SOM等

39个最好用的AI开源数据集

AI 革命的幕后英雄是数据。然而,大多数包含机器学习或 AI 的产品都严重依赖非公开的专有数据集。因此,很难判定哪些公开数据集有用。

重要的是,在数据集上表现得性能良好并不能保证机器学习系统在真实的产品场景中表现良好。许多搞 AI 的人忘记了构建新 AI 解决方案或开发产品的最难的部分不是 AI 本身或者算法,而是数据的收集和标记。标准数据集可以用于验证模型,或作为构建更加定制化的解决方案的一个好的起点。

本文总结归纳了包括计算机视觉、自然语言处理、语音、推荐和排序系统、网络和图表、地理空间数据等六个方面的开源数据集。

提升TensorFlow模型训练表现的7个Tips

这篇短文并不是一篇 TensorFlow 介绍文章,而是介绍了一些有用的小提示,其中大多都是关于性能表现上的,这些提示揭示了一些常见的陷阱,能帮助你将你的模型和训练表现提升到新的层次。本文将从预处理和你的输入流程开始,然后介绍图构建,之后会谈到调试和性能优化。

这7个小贴士包括:

  1. 预处理和输入流程:让预处理整洁精简
  2. 注意你的队列
  3. 图构建和训练:完成你的图
  4. 分析你的图的性能
  5. 注意你的内存
  6. 调试:print 会帮到你
  7. 设定一个运算执行的超时时间

今天的播报就到这里,若您想要与我交流,请邮件wangyi@csdn.net或扫描下方二维码加我微信。


图片描述

图片描述

评论