必读 | 六月份不容错过的十大重磅好文,机器学习和数据科学的小伙伴拿走不谢 原创 2017-07-10 爱收藏的 AI科技大本营 作者 | Flavian Hautbois 翻译 | AI科技大

本文主要是介绍必读 | 六月份不容错过的十大重磅好文,机器学习和数据科学的小伙伴拿走不谢 原创 2017-07-10 爱收藏的 AI科技大本营 作者 | Flavian Hautbois 翻译 | AI科技大,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

必读 | 六月份不容错过的十大重磅好文,机器学习和数据科学的小伙伴拿走不谢

  2017-07-10  爱收藏的  AI科技大本营


作者 | Flavian Hautbois

翻译 | AI科技大本营(rgznai100)

参与 | JeyZhang,波波



上个月,我们发了很多文章。但是,机器学习和数据科学整个领域所发表的新文章更多。如何用一篇文章就能梳理好这些最新的内容呢?我们苦思冥想,从中找出了这十篇有关神经网络、TensorFlow、数据可视化、生成式对抗网络(GAN)以及LSTM的最佳文章。


只此一篇,你就能把握住机器学习和数据科学整个领域的新内容,绝对不容错过。


如果你的阅读习惯是边看边动手做,请一定先备好Python环境。


我们先从下面的漫画开始:



图片翻译:

“这个问题已经困扰我们很多年了。”

“不用纠结,让我用算法来替你解决它。”

6个月后…

“哇,你这问题确实好难。”“你不是说……”


1 —  Dash入门


Dash提供了一套全新的用于web的图表库,而这篇文章深入介绍了Dash图表库是如何设计的,以及介绍了在Dash中如何有效地处理常见错误以及多重集成。文章中对Excel和R语言系统进行了很合理的对比。使用Dash进行图表实现时,一个技术上的挑战是,你需要维护一个flask应用以及拥有一个对ReactJS友好的前端。


Adil Baaj在我们的博客上发布了一篇对比多种javascript图表库的文章。如果希望入门Dash,可以阅读来自plotly的《Dash入门》。


Dash入门

https://medium.com/@plotlygraphs/introducing-dash-5ecf7191b503


对比多种javascript图表库

https://blog.sicara.com/compare-best-javascript-chart-libraries-2017-89fbe8cb112d/


2 —  Google发布用于目标检测的TensorFlow API



Google公司一直致力于让大数据领域最新研究的实现变得更加简单。本月他们在TensorFlow上发布了用于目标检测的API,也发布了适用于移动设备的版本。


详见Google Research Blog的原文:

https://research.googleblog.com/2017/06/supercharge-your-computer-vision-models.html


3  — 初识生成式对抗网络(Generative Adversarial Networks, GAN)



这是一篇介绍如何训练一个神经网络来生成手写数字图片的教程。我们很欣赏这种在对抗式网络这个新的研究方向上的实践技术,这又是一个在经典MNIST数据集上做的实验。在这篇文章中,你将得知训练生成式对抗网络是一件困难的事,是因为你需要在生成器与判别器的训练中找到平衡。本教程仅需要大概半小时就能读完,属同类教程中的佼佼者。


详见O’Reilly原文

https://www.oreilly.com/learning/generative-adversarial-networks-for-beginners


4  —  使用深度学习技术重构出高分辨率的音频



受到最近图像方面研究的启发,文章作者尝试用低质量的音频文件来重构出分辨率更高的音频,最终音频质量上没有取得大幅度的提高,但也一定程度上达到了目的。尽管实验结果上的提升并不显著,我们仍然认为该篇文章为本月最佳文章之一。原因如下:


  • 本文着重于重构VoIP语音,这点很巧妙。

  • 语音方面的研究工作比较复杂,而深度学习技术的应用除了在语音转文本应用领域之外,其他的较少见到。


我们觉得如果作者在卷积网络中使用频谱表示而不是时间表示的话,实验结果还能再提升一步。


详见Insight Data原文

https://blog.insightdatascience.com/using-deep-learning-to-reconstruct-high-resolution-audio-29deee8b7ccd


5  —  探索LSTM


我们破例收录了这篇文章(发表时间在5月30日,严格上说不是6月份的文章),因为文章写得特别好。这篇文章的前半部分是一个LSTM教程,后半部分深入浅出对LSTM作了详解。详解部分使得本文非常有价值。审计 (Audit) 仍然是大数据算法中最困难的部分。正因如此,Edwin Chen做的可视化工具非常棒,因为它详细解析了LSTM的原理。


详见AI科技大本营的完整译文:多图|入门必看:万字长文带你轻松了解LSTM全貌


6  —  怎样训练神经网络来自动写代码?



如果你阅读了前面关于LSTM的文章,那么你已经看到了一个关于生成Java程序的例子。来自Thibault Neveu的这篇文章也在尝试做同样的事情。文中使用TensorFlow并且比之前的文章更易于上手,并且更适合做快速阅读。


详见AI科技大本营的完整译文:手把手教你自制编程AI:训练2小时,RNN就能写自己的代码


7  —  人工智能让制药业再创辉煌以及所面临的挑战



这篇文章介绍了如何使用生成式对抗网络来生成新的抗癌药物,思路很棒。在制药研究领域有一个Eroom定律,与摩尔定律正相反(随着时间推移,寻找新药的难度呈指数增长)。Mostapha Benhenda强烈呼吁研究人员在大数据与药理学交叉领域上的研究采取行动。


详见Hackernoon原文:

https://hackernoon.com/make-pharma-great-again-with-artificial-intelligence-some-challenges-50e91ea9988d


8  —  你所不知道的图表展示小技巧



注意到上面饼状图里一些奇怪的地方了吗?你应该注意到,不过你可能没有(至少我没)。这篇文章详细举例说明了用图表来做比较时的错误用法,从中你会学到在对比两种相似的数据时,图表展示的方式非常重要。


详见Andrew Gelman的原文

http://andrewgelman.com/2017/06/02/youll-never-guess-one-quick-trick-diagnose-problems-graphs-make-improvements/


9 — 我在Kaggle上获胜的小技巧



Kaggle是一个数据科学方面在线竞赛平台。公司可以提交赛题以及相关数据集供参赛者解决。Kaggle是一个大型社区,你在上面有机会获得百万美金大奖。这篇文章的作者分享了他从开始时的新手到后来比赛取得第五名的经验。我们认为他总结的参赛小技巧也可供企业数据科学家参考,如果你想参与Kaggle上的竞赛,那么这篇文章将非常值得一读。


详见Dataquest原文

https://www.dataquest.io/blog/kaggle-tips-tricks/


10 — 大数据的体现:Amazon收购全食超市的交易



最后再介绍一篇关于商业上Amazon收购Whole Foods超市的文章。随着大数据的研究逐渐渗透商界,我们认为这类文章是这个列表的重要补充。从企业获取数据的角度来看,Amazon收购Whole Foods超市是明智之举。因为Amazon虽然是个大公司,但是数量上远不及Whole Foods超市多,所以收购将为其带来巨大的数据财富。


详见Dataiku:

https://blog.dataiku.com/big-data-is-the-big-news-in-amazon-whole-foods-deal


对于我们选出来的本月十佳文章,你都有看过吗?你心里有没有其他更好的选项?欢迎在评论中告诉我们,如果你们喜欢,咱们下期再见。


原文链接

https://blog.sicara.com/06-2017-best-big-data-new-articles-this-month-5c3478872a61


这篇关于必读 | 六月份不容错过的十大重磅好文,机器学习和数据科学的小伙伴拿走不谢 原创 2017-07-10 爱收藏的 AI科技大本营 作者 | Flavian Hautbois 翻译 | AI科技大的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/670891

相关文章

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2

Spring AI集成DeepSeek实现流式输出的操作方法

《SpringAI集成DeepSeek实现流式输出的操作方法》本文介绍了如何在SpringBoot中使用Sse(Server-SentEvents)技术实现流式输出,后端使用SpringMVC中的S... 目录一、后端代码二、前端代码三、运行项目小天有话说题外话参考资料前面一篇文章我们实现了《Spring

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

Spring AI集成DeepSeek的详细步骤

《SpringAI集成DeepSeek的详细步骤》DeepSeek作为一款卓越的国产AI模型,越来越多的公司考虑在自己的应用中集成,对于Java应用来说,我们可以借助SpringAI集成DeepSe... 目录DeepSeek 介绍Spring AI 是什么?1、环境准备2、构建项目2.1、pom依赖2.2

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首

SpringBoot整合DeepSeek实现AI对话功能

《SpringBoot整合DeepSeek实现AI对话功能》本文介绍了如何在SpringBoot项目中整合DeepSeekAPI和本地私有化部署DeepSeekR1模型,通过SpringAI框架简化了... 目录Spring AI版本依赖整合DeepSeek API key整合本地化部署的DeepSeek