据外媒报道，阿里巴巴创始人马云(微博)去年花了800个小时周游列国。今年，他计划将这个时间提高到1000小时，以进一步推广他的电商平台、全球化理念以及人工智能。
本周，在底特律举行的Gateway '17峰会上，这位亿万富翁接受了媒体采访，谈到了各种话题。下面是几个要点：
权力减少的巨头
全球最大的上市公司，例如苹果、谷歌(微博)母公司Alphabet和亚马逊，在市场上的霸主地位已越来越牢固，以至于一些批评家声称它们已接近于垄断。
但是，马云称，随着越来越多的小企业接触互联网，
关键字：
人工智能 机器学习
北京时间6月20日早间消息，谷歌近期发表的一篇学术论文或许为机器学习未来的发展制定了蓝图。这篇论文题为“一种可以进行各种学习的模型”，为可处理多任务的单一机器学习模型提供了模板。
谷歌研究员将其称作“MultiModel”(多任务模型)，并训练该模型完成一系列任务，包括翻译、语言分析、语音识别、图像识别和对象探测等。尽管结果相对于当前方法并没有质的飞跃，但这表明，用多种任务去训练机器学习系统将提升其整体性能。
例如，如果用可以胜任的所有任务来
关键字：
谷歌 机器学习
在万物互联时代，如何切入大数据、物联网和云市场，如何解决英特尔X86架构功耗较大等问题，如何更好地适应物联网不同场景下对芯片的需求，都是英特尔需要努力思考的。
关键字：
深度学习 机器学习
目前Google、微软和亚马逊在打造AI网络方面仍处于早期阶段，各家采用的方法各有不同，像Google为了提升机器学习效能已设计出自己的芯片，因此最后哪家厂商能成为这场AI芯片战的胜利者还有待观察。
关键字：
机器学习 GPU
人工智能正在经历一场变革，这要得益于机器学习的快速进步。在机器学习领域，人们正对一类名为“深度学习”算法产生浓厚的兴趣，因为这类算法具有出色的大数据集性能。在深度学习中，机器可以在监督或不受监督的方式下从大量数据中学习一项任务。大规模监督式学习已经在图像识别和语音识别等任务中取得巨大成功。
关键字：
人工智能 机器学习 FPGA 卷积神经网络
5月24日消息，据Inverse报道，今年5月份，谷歌宣布其人工智能(AI)研究取得重大进展，似乎帮助科幻小说中最耸人听闻的末日预言成为现实。谷歌推出名为“自动机器学习(AutoML)”的技术，在无需人类工程师的支持下，允许AI进行自我创造。
从表面上看，这种技术可能会让人觉得AI发展终于迎来“奇点时刻”，它正在失去控制。但实际上，谷歌正利用它将机器学习令人不可思议的力量交到普通人手中。从本质上讲，AutoML的策略就是利用神经网络设计其他神经
关键字：
谷歌 机器学习
5月5日消息，据《金融时报》报道，现在也许是放弃从事新闻工作、成为机器学习程序员的时候了。这似乎是个符合逻辑的举动，与“如果不能打败他们，就加入他们”的理念不谋而合。过去几年里，我们已经看到过成千上万的专栏文章讨论人们担心机器人抢走他们的工作。现在看来，唯一可保安全的工作就是为机器人编程。
这份工作的薪酬也很吸引人，机器学习专家的薪酬是计算机行业从业人员中最高的。程序员在线社区Stack Overflow统计显示，在美国，机器学习专家的平均年薪超过10万美元。在英国和法国
关键字：
机器人 机器学习
在未来10年中，机器学习技术将日益成为我们生活中不必可少的部分，并改变我们的工作和生活方式。
关键字：
机器学习
我们在上一篇笔记中讲到了PCA(主成分分析)。PCA是一种直接的降维方法，通过求解特征值与特征向量，并选取特征值较大的一些特征向量来达到降维的效果。 本文继续PCA的话题，包括PCA的一个应用——LSI(Latent Semantic Indexing, 隐含语义索引)和PCA的一个实现——SVD(Singular Value Decomposition,奇异值分解)。在SVD和LSI结束之后，关于PCA的内容就告一段落。视频的后半段开始讲无监督学习
关键字：
斯坦福 机器学习
物联网(IOT))产业吸引众多科技厂商投入，而产品是否具备机器学习能力，决定其是否能获得消费者青睐。
根据VentureBeat报导，1996年时，芝加哥的CookCountyHospital急诊室使用一种算法来了解，当病人出现胸痛症状时，是否是因为患有心脏病，应该要将他们移入病床。该算法使用一种系统性的基本测试，为快速、有效而且精准的方法。可以把70%的病人划分到低风险领域，其他病人中有95%为心脏病患，精准度高于一般医生判断的75～89%。而当时还没有深度运算技术。
现在全世界一年有6
关键字：
机器学习 物联网
上一篇笔记中，介绍了因子分析模型，因子分析模型使用d维子空间的隐含变量z来拟合训练数据，所以实际上因子分析模型是一种数据降维的方法，它基于一个概率模型，使用EM算法来估计参数。 本篇主要介绍PCA(Principal Components Analysis, 主成分分析)，也是一种降维方法，但是该方法比较直接，只需计算特征向量就可以进行降维了。本篇对应的视频是公开课的第14个视频，该视频的前半部分为因子分析模型的EM求解，已写入笔记13，本篇只是后半部分的笔记，所以内容
关键字：
斯坦福 机器学习
在最近十年，随着大数据和云计算(大规模计算)的发展，机器学习进入了发展的黄金期。
关键字：
人工智能 机器学习
本文是《斯坦福ML公开课笔记13A》的续篇。主要讲述针对混合高斯模型的问题所采取的简单解决方法，即对假设进行限制的简单方法，最后引出因子分析模型(Factor Analysis Model)，包括因子分析模型的介绍、EM求解等。
&nb
关键字：
斯坦福 机器学习
本文对应公开课的第13个视频，这个视频仍然和EM算法非常相关，第12个视频讲解了EM算法的基础，本视频则是在讲EM算法的应用。本视频的主要内容包括混合高斯模型(Mixture of Gaussian, MoG)的EM推导、混合贝叶斯模型(Mixture of Naive Bayes，MoNB)的EM推导、因子分析模型(Factor Analysis Model)及其EM求解。由于本章内容较多，故而分为AB两篇，本篇介绍至混
关键字：
斯坦福 机器学习
以机器学习为代表的人工智能技术已经被公认为未来5～10年技术变革的浪潮，它必将全方位改变未来人们的工作和生活方式。秉承“全球专家、连接智慧”的宗旨，我们特邀三十多位全球机器学习领域的技术领袖和行业应用专家，于2017年6月29-30日在北京举办「2017全球机器学习技术大会」活动家提供大会在线报名服务。大会融合主题演讲、互动研讨、案例分享、高端培训等多种形式，探讨机器学习在各领域的发展和实践应用。未来已来，Are You Ready? 来2017全球机器学习技术大会，一场
关键字：
机器学习
机器学习介绍
您好，目前还没有人创建词条机器学习!
欢迎您创建该词条，阐述对机器学习的理解，并与今后在此搜索机器学习的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473