大数据与机器学习周报 第7期：谷歌CEO皮查伊称人工智能将成为未来发展关键

   <p> </p>    <h2>新闻</h2>    <ol>     <li> <p><a href="/misc/goto?guid=4959671634959415429" rel="nofollow,noindex">《IBM发布首个深度学习类脑超级计算平台IBM TrueNorth》</a> ：IBM 日前发布了一款用于深度学习的类脑超级计算平台 IBM TrueNorth。新智元芯片专家群的几位专家讨论后认为：TrueNorth 虽然与人脑某些结构和机理较为接近，但智能算法的精度或效果有待进一步提高，离大规模商业应用还有一段距离；但从长远来看，研究类脑计算是通往强人工智能的有效方法</p> </li>     <li> <p><a href="/misc/goto?guid=4959671635047770073" rel="nofollow,noindex">《谷歌CEO皮查伊：人工智能将成为未来发展关键》</a> ：皮查伊认为，谷歌对机器学习等人工智能技术的投资是该公司不同于竞争对手的关键。“我们已经对机器学习和人工智能进行了多年的投资。但我认为，我们正处于有趣的转折点，即这些技术将真正获得发展。这也将对业务产生巨大影响。面向外部提供这些技术，这将成为我们与他人的重要差异化元素。”</p> </li>     <li> <p><a href="/misc/goto?guid=4959671635137758130" rel="nofollow,noindex">《Line 发布聊天机器人，bot 抢滩大战又增一名重磅选手》</a> ：我们发现，现在的通讯类应用都不满足于只做通讯了。他们希望用户在 APP 上除了聊天，还能完成更多的事情。近日， Line 宣布推出聊天机器人，能够提供的服务包括打车、预约行程、企业咨询等</p> </li>     <li> <p><a href="/misc/goto?guid=4959671635312979023" rel="nofollow,noindex">《搜狗捐赠清华1.8亿研发人工智能 CEO成清华院长》</a> ：4月22日消息，搜狗公司今日宣布捐赠1.8亿元给清华大学，用于联合成立“清华大学天工智能计算研究院”，该研究院将致力于人工智能领域的前沿技术研究。搜狗与清华大学基于人工智能领域的合作项目正式启动，该联合研究院也将成为首个校企合作的中国人工智能领域研究院。而研究成果也将应用于搜狗相关产品及服务中</p> </li>    </ol>    <h2>大数据</h2>    <ol>     <li> <p><a href="/misc/goto?guid=4959671635402298911" rel="nofollow,noindex">《Hadoop Summit 2016会场回顾（二）》</a> ：2016年4月13日，都柏林的Liffey河畔，Hadoop Summit 2016在Convention会展中心盛大开幕。大会主要议程历时2天，有100多场演讲，与会者超过1400人。主要内容包括Apache Committer洞察、数据科学、运营管理、开发技术、数据商务、物联网、Hadoop未来几大系列。本文就数据科学、数据商务、物联网这三方面的一些内容做一个简单回顾</p> </li>     <li> <p><a href="/misc/goto?guid=4959671429689941340" rel="nofollow,noindex">《QCon北京：构建大数据生态需要哪些核心技术？》</a> ：2016年QCon全球软件开发大会北京站于4.21-4.23在北京国际会议中心举办，参会者对整体内容设置及安排反馈良好。这里我们梳理出了22号“大数据生态构建”厂商共建专场的重点演讲内容，为没能到现场聆听的小伙伴们奉上饱满的干货内容</p> </li>     <li> <p><a href="/misc/goto?guid=4959671635519548920" rel="nofollow,noindex">《Linkedin的Kafka生态系统》</a> ：Apache Kafka是起源于Linkedin的高效的消息系统。随着Kafka的应用越来越多，我们构建了基于Kafka的生态系统。本文将对此作出介绍，希望为所有使用Kafka的人提供参考</p> </li>     <li> <p><a href="/misc/goto?guid=4959671635614809645" rel="nofollow,noindex">《数据科学的完整学习路径（Python版）》</a> ：假如你想成为一个数据科学家，或者已经是数据科学家的你想扩展你的技能，那么你已经来对地方了。本文的目的就是给数据分析方面的Python新手提供一个完整的学习路径。该路径提供了你需要学习的利用Python进行数据分析的所有步骤的完整概述。如果你已经有一些相关的背景知识，或者你不需要路径中的所有内容，你可以随意调整你自己的学习路径，并且让大家知道你是如何调整的</p> </li>    </ol>    <h2>机器学习</h2>    <ol>     <li> <p><a href="/misc/goto?guid=4959671635700295627" rel="nofollow,noindex">《机器学习揭秘47万微信群背后的数字以及9大规律》</a> ：微信群已经进入到我们的日常生活中，成为社交关系的主要纽带。但微信群有自己的规律，长期群能存活很长的时间，临时群则转瞬即逝。来自清华大学、康奈尔大学、腾讯公司和香港科技大学的研究人员采用了机器学习算法分析了47万+的微信群、2亿+微信用户、6亿+的好友关系和200万+邀请记录，揭秘微信群背后的数字以及 9 大规律</p> </li>     <li> <p><a href="/misc/goto?guid=4959671636588935276" rel="nofollow,noindex">《Comma.AI无人车幕后的人工智能算法：凭什么它能叫板特斯拉？》</a> ：</p> <p>如今，世界上最让人神往的黑科技大概就是深度神经网络了，尤其是卷积神经网络，例如“深度学习”。这些网络正在影响机器人汽车的研发。他们为机器人技术和无人车驾驶带来了视觉系统应用，带来了重大进步，并且进步速度超过预期</p> </li>     <li> <p><a href="/misc/goto?guid=4959671636675120285" rel="nofollow,noindex">《机器学习：现在与未来》</a> ：2016年3月，在韩国首尔四季酒店举行的谷歌 DeepMind围棋挑战赛，人工智能围棋软件AlphaGo以4∶1战胜了韩国棋手李世乭九段。本次比赛后，关于人工智能和机器学习的话题迅速升温，引起社会各界的关心。然而，除了在本领域工作的一线科研人员，其他人士对人工智能和机器学习的发展现状和前景了解的却不多，甚至存在不少误解。在此，本文希望能跟读者探讨一下人工智能和机器学习，谈谈其发展现状与未来趋势</p> </li>     <li> <p><a href="/misc/goto?guid=4959671636766842562" rel="nofollow,noindex">《欢迎来到隐形革命的时代》</a> ：隐形革命之所以能够发生，有赖于那些十多年前还没有出现的技术，例如如今的大规模云计算中心和人工智能领域最新的技术发现等。但从根本上讲，隐形革命将解决的是困扰了人类许久的问题。试想一下：几年前，一个只会讲普通话的人和一个只会说英语的人几乎是不可能在没有翻译的情况下进行实时会话的，而随身翻译对大多数人而言又遥不可及</p> </li>     <li> <p><a href="/misc/goto?guid=4959671636853165501" rel="nofollow,noindex">《Online Learning算法理论与实践》</a> ：Online Learning是工业界比较常用的机器学习算法，在很多场景下都能有很好的效果。本文主要介绍Online Learning的基本原理和两种常用的Online Learning算法：FTRL（Follow The Regularized Leader）[1]和BPR（Bayesian Probit Regression）[2]，以及Online Learning在美团移动端推荐重排序的应用</p> </li>     <li> <p><a href="/misc/goto?guid=4959671636938893347" rel="nofollow,noindex">《人工智能将来自何处》</a> ：最近AI取得了很多进展，作者试图提出下一步AI技术的突破会来自哪些领域。作者提出了7个领域，虽然比较主观，但仍希望可以提供有意思的参考</p> </li>    </ol>    <p>来自： <a href="/misc/goto?guid=4959671637032547880" rel="nofollow">http://www.infoq.com/cn/news/2016/04/big-data-machine-weekly-7</a></p>