如果邮件中的内容不能正常显示，请点击此处查看   如果不想再收此邮件，可取消订阅     2017-05-20 第21期       CCTC 2017       关于   5月18日—19日，CCTC 2017中国云计算技术大会（Cloud Computing Technology Conference 2017，简称CCTC 2017）在北京朝阳门悠唐皇冠假日酒店隆重召开。作为云计算技术人的盛会，CCTC已成为技术人观察全球云计算技术发展趋势和变化的窗口，本次大会汇集众多社区骨干、典型行业案例代表，深度解读本年度国内外云计算技术发展最新趋势。     直播回放   http://v.csdn.hudong.com/CCTC2017     专题报道   http://special.csdncms.csdn.net/CCTC2017/     PPT下载   http://download.csdn.net/meeting/meeting_detail/29     CCTC 2017人工智能分论坛纪实   5月18日下午，人工智能专场在PPmoney大数据算法总监黄文坚的主持下开场，来自阿里巴巴iDST资深专家千诀、京东集团感知识别研发总监陈宇、IBM GBS Watson高级顾问金杰、PPmoney大数据算法总监黄文坚、第四范式算法研发工程师涂威威现场分享。     第四范式涂威威：大规模机器学习系统中的No Free Lunch   本届CCTC大会现场，第四范式机器学习算法研发工程师涂威威出席人工智能专场并作主题演讲。演讲中，涂威威就以下问题进行分享，同时给出一些可供参考的解决方案：企业机器学习应用系统中的核心模型训练系统有着什么样的设计和优化的考虑？与教科书中的机器学习应用相比，企业实际的机器学习应用中有哪些容易被人忽略的陷阱？     《程序员》       无人驾驶中的决策规划控制技术   无人车作为一个复杂软硬件结合系统，其安全可靠运行需要车载硬件、传感器集成、感知预测，以及控制规划等多个模块的协同配合工作。作者认为最关键的部分是感知预测和决策控制规划的紧密配合。狭义上的决策规划控制部分，包含了无人车行为决策（Behavior Decision）、动作规划（Motion Planning）, 以及反馈控制（Feedback Control）这三个模块。而从更宽泛的概念来说，无人车的决策规划控制模块，紧密依赖于上游的路由寻径（Routing）以及交通预测（Prediction）的计算结果，所以本文也对路由寻径和交通预测模块进行介绍。     观点       沈向洋谈微软人工智能——增强人类智慧   今天，微软的每一件产品和服务都在融入人工智能，从Xbox到Windows，从必应搜索到Office。 在西雅图召开的Build 2017大会上，沈向洋分享了微软关于人工智能的愿景：将人工智能带给每个人，从开发者到数据科学家，从技术爱好者到学生。     杨强教授漫谈《西部世界》、生成式对抗网络及迁移学习   近日，杨强教授在［范式大学］内部课程中，与大家分享了他在 “生成式对抗网络模型“ 和迁移学习等领域的独特见解和最新思考。 有些人看过电视剧《西部世界》，在《西部世界》里，你可能问的一个关键问题是什么？就是当剧中的人们，其中任何一个人走到你面前，你能否区分出他／她是个真人？ 你会问：咦，这不是图灵测试要解决的问题吗？ 是的。 问题是，如果《西部世界》里的这些机器人已经通过了图灵测试，你又如何区分他／她们呢？     刘少山谈无人驾驶的未来   本文来自刘少山所著新书《第一本无人驾驶技术书》，本章先从无人驾驶的商业前景、无人驾驶面临的发展障碍、无人车行业发展、全球化下的无人驾驶四个方面出发，分析未来无人驾驶的发展和即将面临的问题。最后，将给出无人驾驶发展的时间线，揭示在即将到来的未来二十年内无人驾驶的走势。     李开复哥大毕业演讲：工程师的AI银河系漫游指南   创新工场创始人兼CEO、人工智能工程院院长李开复近日在纽约哥伦比亚大学工程学院向2017届毕业生们发表了题为《一个工程师的人工智能银河系漫游指南》毕业演讲。 作为哥大83届毕业生，李开复表示他受益于这所大学年轻、活泼、新锐、自由的学风，在演讲中，他回忆了哥大带给他的成长和美好，并热切希望未来的工程师们拥抱必将到来的人工智能、把职业选择对准人工智能赛道；肩负起工程师的使命，追随自己的内心，让未来的10年成为生命中最辉煌的10年。     技术       市值250亿的特征向量——谷歌背后的线性代数   20世纪90年代，谷歌公司上市并很快成为最具影响力的搜索引擎，其背后的神奇之处在于PageRank算法。PageRank算法将每个网页的重要性进行量化，从而使其具有可排序性（建立了偏序关系），这样使用户更早地获取到最重要、最相关的网页信息。 这篇文章将解释谷歌计算网页重要性排序的核心思想。这个核心思想又必然地成为了线性代数的华丽的应用。     到底什么是生成式对抗网络GAN？   以图像生成模型举例，假设我们有一个图片生成模型（generator），它的目标是生成一张真实的图片。与此同时我们有一个图像判别模型（discriminator），它的目标是能够正确判别一张图片是生成出来的还是真实存在的。 那么如果我们把刚才的场景映射成图片生成模型和判别模型之间的博弈，就变成了如下模式：生成模型生成一些图片->判别模型学习区分生成的图片和真实图片->生成模型根据判别模型改进自己，生成新的图片->····     图像分类 | 深度学习PK传统机器学习   目前，许多研究者使用CNN等深度学习模型进行图像分类；另外，经典的KNN和SVM算法也取得不错的结果。然而，我们似乎无法断言，哪种方法对于图像分来问题效果最佳。 本文展现了一个项目的具体细节，在此项目中，作者将业内普遍用于图像分类的CNN和迁移学习算法与KNN，SVM，BP神经网络进行比较。     从0到1走进 Kaggle   本文以Kaggle竞赛中一个具体的问题（房价预测）为例，带你一览参加Kaggle竞赛的具体流程。对于中级选手，本文阐释了一个使结果更优的调参方式。     如何通过Keras来掌握深度学习   本文作者是一位教授深度学习的老师。传授深度学习知识既是他养家糊口的职业（Kaggle比赛获胜队伍的教练），也是他在波兰儿童基金会志愿者工作的一部分。因此，他打算和我们分享一些学习和教授深度学习知识时的心得。本文并不会具体讲解某个神经网络模型，而是总览性的介绍。     人工智能 & 机器学习技术在电商场景下的应用   日前，《尽在双11》人工智能部分执笔人&阿里技术专家 乐田 与 仁重 就 “人工智能／机器学习技术在电商场景下的应用” 问题在OSCHINA与大家开展了问答活动。本文整理了两位老师在开源中国高手问答中的精彩问答。     联系我们       CSDN AI 周刊     本刊由“AI科技大本营”编辑并运营，涵盖AI行业和技术圈儿的精品干货，每周发送，欢迎将干货分享给更多人！扫描下方二维码，添加小助手，备注公司和技术方向，邀你加入技术交流群。     大本营小助手       投稿：zhouxiang@csdn.net     转载：suiling@csdn.net     反馈：suiling@csdn.net   查看CSDN AI 周刊往期回顾，更多精彩内容尽在 CSDN AI专区。欢迎向您的朋友推荐订阅本邮列表。 如果不想再收到该邮件，可以取消订阅