COS每周精选：算法学习知哪些？

本期投稿：谢益辉 王威廉   冷静   王小宁

编辑：王小宁

算法

K-means是最常用的聚类算法之一：容易理解，实现不难，虽然会有local optimum，但通常结果也不差。但k-means也不是万金油，比如在一些比较复杂的问题和非线性数据分布上，k-means也会失败。普林斯顿博士 David Robinson写了一篇不错的分析文章，介绍了几种k-means会失效的情形。

基于遗传算法的小车模拟， 还有遗传算法的行者，看着有一大拨僵尸来袭的感觉、遗传算法的猫。

小编注： 性格捉急的人千万不要盯着看太久，十分闹心，会疯掉的，不过可以把这个转发给你的小伙伴们，小编保证这算法进化两个小时这只猫也跳不过去）

人工智能

Popsci写了一篇不错的文章批评媒体近期关于《人工智能将会摧毁人类》之类制造恐慌的报道。Popsci认为这么写纯粹是为了吸引读者眼球，并且很犀利的指出这些媒体拿Elon Musk与霍金这些非人工智能研究者来讲AI的世界末日学说，纯粹是制造恐慌。

麻省理工学院NIKHIL BUDUMA写的Recurrent Neural Nets及LSTM介绍，没什么数学，就是讲的比较符合直觉，容易理解。

谷歌科学家、Hinton亲传弟子Ilya Sutskever的深度学习综述及实际建议及实际建议 ，比较喜欢其中关于tricks的建议， 包括data, preprocessing, minibatches, gradient normalization, learning rate, weight initialization, data augmentation, dropout和ensemble。

《鲁棒及有益的人工智能优先研究计划：一封公开信》目前已经有Stuart Russell, Tom Dietterich, Eric Horvitz, Yann LeCun, Peter Norvig, Tom Mitchell, Geoffrey Hinton, Elon Musk等人签署。