2017年度好视频,吴恩达、李飞飞、Hinton、OpenAI、NIPS、CVPR、CS231n全都在

我们经常被问:机器翻译迭代了好几轮,专业翻译的饭碗都端不稳了,字幕组到底还能做什么?

对于这个问题,我们自己感受最深,却又来不及解释,就已经边感受边做地冲出去了很远,摸爬滚打了一整年。

其实,现在看来,机器翻译在通用领域的短句上,已经做得不错了,但是复杂长句、需要结合上下文语境、特定知识的翻译上,效果还远远不能让人满意。

人工智能领域的翻译,就属于后者。它不仅需要数学、编程知识打底,对特定专业表达进行界定,还需要适时结合上下文语境理解和延伸。

这样一来,你也许能够理解,忠于原意又有人情味的翻译很难,坚持做忠于原意又有人情味的翻译,更难。

即便如此,过去的2017,雷锋网雷锋字幕组还是致力于为大家的求知欲输送能量。

凭借着不断飙升的志愿人数和人品,积累了不少值得一看再看的视频,其中当然还包括花样百出的延伸专栏。

有全套的机器学习和视觉识别课程;有宜下饭宜脑洞的Geek网红视频;有为学术咖专供的两分钟论文;有紧跟开发潮的谷歌AI实验室;还有帮你精选论文的《AI阅读研究所》和解读最热行业新闻的《AI听》;以及为粉丝量身定制的《译者访谈录》……

雷锋字幕组根据视频的热度和组长的主观和私心,选出了10支2017年度好视频,希望重温过去的同时,也为你的求知带来新启发。

01

吴恩达

Deeplearning.ai对话七位深度学习领袖

吴恩达亲自上阵采访了7位AI界顶级人物,“深度学习教父” Geoffery Hinton、“GANs之父” Ian Goodfellow、“深度学习三驾马车”中另一位 Yoshua Bengio 、UC伯克利教授 Pieter Abbeel 、百度研究院院长林元庆 、“深度学习网红”Andrej Karpathy、苹果 Ruslan Salakhutdinov 。

02

NIPS最佳论文

德州扑克背后的不完全信息博弈

2017年初,4位顶尖德州扑克选手,在为期20天的赛程里,与卡耐基梅陇大学研发的人工智能系统Libratus对决12万手,争夺20万美元奖金池。最终,Libratus击溃了这组职业选手。Libratus人工智能系统所用到的策略技巧就是这篇论文的重点内容。

03

CVPR ORAL论文

使用Part Affinity Field进行实时多人2D姿态估计

该视频出自2017年的CVPR,Realtime Multi-Person 2D Pose Estimation using Part Affinity Field,是CMU的成果,效果真的Amazing。亮点在于,融合了PCM和PAF的级联cascade形网络结构,网络设计思想和RefineNet的网络设计思想很像,以及相应条件约束的偶匹配(bipartite matchings)算法。

04

OpenAI

人工智能1v1击败Dota2顶级玩家

在 Valve 举办的 Dota2 国际锦标赛现场,OpenAI的人工智能打败了「Dota 2」世界顶级玩家,该赛事奖金高达 2400 万美元。对于DOTA2人工智能训练的结果表明,如果计算够充分,自我对练可以将机器学习系统的性能从远低于人类的水平推向超越人类。

05

DeepMind

提出神经网络架构搜索

DeepMind 联合 CMU 提出一种结合模型结构分层表示的高效架构搜索方法,研究者发现这种搜索方法能有效找到性能超越人工设计的架构,使用神经网络让神经网络设计变得自动化的技术,而且已经开始取得成效。

06

Geoffrey Hinton

重塑AI的胶囊网络

Geoffrey Hinton找到重塑AI的新方法—胶囊网络。胶囊网络是一种神经网络的扭曲,目的是让机器更好地通过图像或视频来了解世界。由于胶囊具有分别处理不同属性的能力,相比于CNN可以提高对图像变换的健壮性,在图像分割中也会有出色的表现。

07

DeepMind

下国际象棋的AlphaZero

AlpahZero很快就学会了用人类下棋的方式下国际象棋,而且胜过了最强的国际象棋引擎。通用强化学习算法 AlphaZero 完全无需人工特征、无需任何人类棋谱、甚至无需任何特定优化,只需要几个小时的训练时间,就可以超越此前最好的算法甚至人类世界冠军,这是算法和计算资源的胜利,更是人类的顶尖研究成果。

08

谷歌大脑Hugo Larochelle

神经网络系列视频

Google Brain团队的研究员Hugo Larochelle自制的神经网络短视频,每个小视频讲解一个知识点,便携好上手,Youshua Bengio也向学生们推荐过这系列视频。

09

斯坦福李飞飞

面向视觉识别的卷积神经网络

2017年春季新出的CS231n是非常好的深度学习入门材料,也是计算机视觉和深度学习领域最经典的公开课之一,适合绝大多数想要学习深度学习知识的人,比较系统地介绍了神经网络的常用方法,尤其是重要概念的介绍比较详细生动,例如梯度下降法、BP法等。

10

深度学习之父Geoffrey Hinton

面向机器学习的神经网络

压轴视频是来自深度学习之父Geoffrey Hinton 的《Neutral Network for Machine Learning》,是唯一一门 Hinton 本人系统讲授的公开课。自 2012 年开课,NNML 就一跃成为深度学习开发者的殿堂级慕课。时隔五年,仍然是内容最 “干”、最值得学习的深度学习课程。对于有志于真正掌握深度学习的人而言,NNML是必修课。

以上,雷锋网感谢你的观看。

2017春季CS231n斯坦福视觉识别课中文首发,连载更新中

CS231n 2017 今天正式开课!双语字幕版独家上线!

Google Brain 大牛神经网络系列视频中文首发,连载更新中

Google Brain 大牛亲授!只需10分钟!好看好上手的神经网络在线课!

以下是雷锋字幕组的译者专栏,欢迎来玩

原来你看到的小视频都出自他们之手

最好奇的Top5连问:你是怎么踏入深度学习大门的?

原文地址:https://www.cnblogs.com/ysgcs/p/8295084.html

时间: 2024-10-09 01:10:17

2017年度好视频,吴恩达、李飞飞、Hinton、OpenAI、NIPS、CVPR、CS231n全都在的相关文章

李飞飞、吴恩达、Bengio等人的15大顶级深度学习课程

目前,深度学习和深度强化学习已经在实践中得到了广泛的运用.资源型博客sky2learn整理了15个深度学习和深入强化学习相关的在线课程,其中包括它们在自然语言处理(NLP),计算机视觉和控制系统中的应用教程. 这些课程涵盖了神经网络,卷积神经网络,循环网络和其变体,训练深度网络的困难,无监督表示学习,深度信念网络,深玻尔兹曼机器,深度Q学习,价值函数估计和优化以及蒙特卡洛树搜索等多种算法的基础知识. 吴恩达:深度学习专项 这系列课程侧重于讲解深度学习的基础和在不同领域的运用方式,如医疗健康,自动

专访吴恩达:我不关心人工智能是否变邪恶

专访吴恩达:我不关心人工智能是否变邪恶 可以说,这几所大学有着最赞的计算机科学课程:卡耐基梅隆大学.麻省理工学院.加州伯克利以及斯坦福.这些地方,分别是吴恩达获得学士学位.硕士学位.博士学位和执教12年的地方. 吴恩达是人工智能界的标杆,实至名归,他甚至还没到40岁.2011年,他成立了谷歌大脑,一个因谷歌强大的计算能力和大量的数据而大放异彩的深度学习项目.当计算机分析了许多的YouTube截屏并能够识别出一只猫时,谷歌大脑普大喜奔地迎来了它最重要的成就之一.(<纽约时报>以「需要多少台电脑才

斯坦福大学吴恩达老师Note4-学习理论

斯坦福大学吴恩达老师的课程视频已在网易公开课中上线多年,针对该课程的Note,网上已经有较为完整的译作,其中学习理论相对较为抽象,故以翻译为主,加之自己的理解,希望能为您的学习带来帮助,由于公式太多,使用博客园编辑实在太辛苦,故利用百度云盘分享.于近期分享VC维整体理论及证明,敬请期待. 链接: http://pan.baidu.com/s/1dEIPKjf 密码: k8mj

吴恩达 DeepLearning.ai课程笔记(1-3)神经网络和深度学习 --- 浅层神经网络

以下为在Coursera上吴恩达老师的DeepLearning.ai课程项目中,第一部分<神经网络和深度学习>第二周课程部分关键点的笔记.笔记并不包含全部小视频课程的记录,如需学习笔记中舍弃的内容请至 Coursera 或者 网易云课堂.同时在阅读以下笔记之前,强烈建议先学习吴恩达老师的视频课程. 1. 二分类问题 对于二分类问题,大牛给出了一个小的Notation. 样本:  ,训练样本包含  个: 其中  ,表示样本 包含 个特征:  ,目标值属于0.1分类: 训练数据:  输入神经网络时

吴恩达2014机器学习教程笔记目录

17年开始,网上的机器学习教程逐渐增多,国内我所了解的就有网易云课堂.七月.小象学院和北风.他们的课程侧重点各有不同,有些侧重理论,有些侧重实践,结合起来学习事半功倍.但是论经典,还是首推吴恩达的机器学习课程. 吴大大14年在coursera的课程通俗易懂.短小精悍,在讲解知识点的同时,还会穿插相关领域的最新动态,并向你推荐相关论文.课程10周共18节课,每个课程都有PPT和课后习题,当然,也有中文字幕. 百度网盘(视频 + 英文字幕 + 中文字幕 + 练习 + PPT): 链接:https:/

微-信-P=K=1-0源码搭建与吴恩达终于“接地气”了

过去三个月,吴恩达(Andrew Ng)往返于旧金山.长沙和芜湖,出没在农机工厂和田间地头,终于在7月的最后一天签下了Landing.ai在中国的第二个大单:中联重科.微-信---P=K=1-0源码搭建QQ:2152876294 网址diguaym.comLanding.ai是吴恩达从百度离开后的第二个创业项目."Landing是落地,技术是要落地的",吴恩达说.有人直译成"接地气AI",其使命是从制造业开始,提供AI转型方案.2017年12月Landing.ai成

【吴恩达课后测验】Course 1 - 神经网络和深度学习 - 第一周测验【中英】

[吴恩达课后测验]Course 1 - 神经网络和深度学习 - 第一周测验[中英] 第一周测验 - 深度学习简介 和"AI是新电力"相类似的说法是什么? [ ?]AI为我们的家庭和办公室的个人设备供电,类似于电力. [ ?]通过"智能电网",AI提供新的电能. [?]AI在计算机上运行,??并由电力驱动,但是它正在让以前的计算机不能做的事情变为可能. [★]就像100年前产生电能一样,AI正在改变很多的行业. 请注意: 吴恩达在视频中表达了同样的观点. 哪些是深度学

吴恩达《AI For Everyone》_练习英语翻译_待更新

AI For Everyone https://www.coursera.org/learn/ai-for-everyone 讲师: Andrew Ng (吴恩达) CEO/Founder Landing AI; Co-founder, Coursera; Adjunct Professor, Stanford University; formerly Chief Scientist,Baidu and founding lead of Google Brain Landing.AI CEO /

吴恩达《机器学习》课程总结(5)_logistic回归

Q1分类问题 回归问题的输出可能是很大的数,而在分类问题中,比如二分类,希望输出的值是0或1,如何将回归输出的值转换成分类的输出0,1成为关键.注意logistics回归又称 逻辑回归,但他是分类问题,而不是回归问题. Q2假说表示 其中: sigmoid函数 hθ(x)的作用是,对于给定的输入变量,根据选择的参数计算输出变量=1的可能性即hθ(x)=P(y=1|x;θ). Q3判定边界 g(z)中的z即为判定边界,如下 Q4代价函数 如果用之前回归时用的平方损失函数,代价函数将是非凸函数,会收