中文字幕在线观看,亚洲а∨天堂久久精品9966,亚洲成a人片在线观看你懂的,亚洲av成人片无码网站,亚洲国产精品无码久久久五月天

2018年AI和ML技術(shù)總結(jié)和2019年趨勢(shì)(下)

2019-01-17    來(lái)源:raincent

容器云強(qiáng)勢(shì)上線!快速搭建集群,上萬(wàn)Linux鏡像隨意使用

4、工具和庫(kù)

工具和庫(kù)是數(shù)據(jù)科學(xué)家的基礎(chǔ)。我參與了大量關(guān)于哪種工具最好的辯論,哪個(gè)框架會(huì)取代另一個(gè),哪個(gè)庫(kù)是經(jīng)濟(jì)計(jì)算的縮影等等。

但有一點(diǎn)共識(shí)--我們需要掌握該領(lǐng)域的最新工具,否則就有被淘汰的風(fēng)險(xiǎn)。 Python取代其他所有事物并將自己打造成行業(yè)領(lǐng)導(dǎo)者的步伐就是這樣的例子。 當(dāng)然,其中很多都?xì)w結(jié)為主觀選擇,但如果你不考慮最先進(jìn)的技術(shù),我建議你現(xiàn)在開(kāi)始,否則后果可能將不可預(yù)測(cè)。那么成為今年頭條新聞的是什么?我們來(lái)看看吧!

PyTorch 1.0

什么是PyTorch?我已經(jīng)多次在本文中提到它了,你可以在Faizan Shaikh的文章中熟悉這個(gè)框架。

 

 

這是我最喜歡的關(guān)于深度學(xué)習(xí)文章之一!當(dāng)時(shí)TensorFlow很緩慢,這為PyTorch打開(kāi)了大門(mén)快速獲得深度學(xué)習(xí)市場(chǎng)。我在GitHub上看到的大部分代碼都是PyTorch實(shí)現(xiàn)的。這并非因?yàn)镻yTorch非常靈活,而是最新版本(v1.0)已經(jīng)大規(guī)模應(yīng)用到許多Facebook產(chǎn)品和服務(wù),包括每天執(zhí)行60億次文本翻譯。PyTorch的使用率在2019年上升,所以現(xiàn)在是加入的好時(shí)機(jī)。

AutoML—自動(dòng)機(jī)器學(xué)習(xí)

AutoML在過(guò)去幾年中逐漸取得進(jìn)展。RapidMiner、KNIME、DataRobot和H2O.ai等公司都發(fā)布了非常不錯(cuò)的產(chǎn)品,展示了這項(xiàng)服務(wù)的巨大潛力。你能想象在ML項(xiàng)目上工作,只需要使用拖放界面而無(wú)需編碼嗎?這種現(xiàn)象在未來(lái)并不太遙遠(yuǎn)。但除了這些公司之外,ML / DL領(lǐng)域還有一個(gè)重要的發(fā)布-Auto Keras!

 

 

它是一個(gè)用于執(zhí)行AutoML任務(wù)的開(kāi)源庫(kù)。其背后的目的是讓沒(méi)有ML背景的領(lǐng)域?qū)<疫M(jìn)行深度學(xué)習(xí)。請(qǐng)務(wù)必在此處查看,它準(zhǔn)備在未來(lái)幾年內(nèi)大規(guī)模運(yùn)行。

TensorFlow.js-瀏覽器中的深度學(xué)習(xí)

我們一直都喜歡在最喜歡的IDE和編輯器中構(gòu)建和設(shè)計(jì)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型。如何邁出一步,嘗試不同的東西?我將要介紹如何在你的網(wǎng)絡(luò)瀏覽器中進(jìn)行深度學(xué)習(xí)!由于TensorFlow.js的發(fā)布,已成為現(xiàn)實(shí)。

 

 

TensorFlow.js主要有三個(gè)優(yōu)點(diǎn)/功能:

1.使用JavaScript開(kāi)發(fā)和創(chuàng)建機(jī)器學(xué)習(xí)模型;

2.在瀏覽器中運(yùn)行預(yù)先存在的TensorFlow模型;

3.重新創(chuàng)建已有的模型;

2019年的AutoML趨勢(shì)

我個(gè)人特別關(guān)注AutoML,為什么?因?yàn)槲艺J(rèn)為未來(lái)幾年它將成為數(shù)據(jù)科學(xué)領(lǐng)域真正的游戲規(guī)則改變者。跟我有同樣想法的人是H2O.ai的Marios Michailidis、Kaggle Grandmaster,他們都對(duì)AutoML有很高期望:

機(jī)器學(xué)習(xí)繼續(xù)成為未來(lái)最重要的趨勢(shì)之一,鑒于其增長(zhǎng)速度,自動(dòng)化是最大化其價(jià)值的關(guān)鍵,是充分利用數(shù)據(jù)科學(xué)資源的關(guān)鍵。它可以應(yīng)用到的領(lǐng)域是無(wú)限的:信用、保險(xiǎn)、欺詐、計(jì)算機(jī)視覺(jué)、聲學(xué)、傳感器、推薦、預(yù)測(cè)、NLP等等,能夠在這個(gè)領(lǐng)域工作是一種榮幸。AutoML趨勢(shì):

提供智能可視化和解釋?zhuān)詭椭枋龊屠斫鈹?shù)據(jù);

查找/構(gòu)建/提取給定數(shù)據(jù)集的更好特征;

快速建立更強(qiáng)大/更智能的預(yù)測(cè)模型;

通過(guò)機(jī)器學(xué)習(xí)可解釋性彌補(bǔ)這些模型的黑匣子建模和生產(chǎn)之間的差距;

促進(jìn)這些模型落地生產(chǎn);

5、強(qiáng)化學(xué)習(xí)

 

 

如果我不得不選擇一個(gè)我看到的滲透更多領(lǐng)域的技術(shù),那就是強(qiáng)化學(xué)習(xí)。除了不定期看到的頭條新聞之外,我還在社區(qū)中了解到,它太注重?cái)?shù)學(xué),并且沒(méi)有真正的行業(yè)應(yīng)用程序可供專(zhuān)一展示。

雖然這在某種程度上是正確的,但我希望看到的是明年更多來(lái)自RL的實(shí)際用例。我在每月GitHub和Reddit排序系列中,我傾向于至少保留一個(gè)關(guān)于RL的存儲(chǔ)庫(kù)或討論,至少圍繞該主題的討論。

OpenAI已經(jīng)發(fā)布了一個(gè)非常有用的工具包,可以讓初學(xué)者從這個(gè)領(lǐng)域開(kāi)始。

OpenAI在深度強(qiáng)化學(xué)習(xí)中的應(yīng)用

 

 

如果RL的研究進(jìn)展緩慢,那么圍繞它的教育材料將會(huì)很少。但事實(shí)上,OpenAI已經(jīng)開(kāi)放了一些關(guān)于這個(gè)主題的精彩材料。他們稱這個(gè)項(xiàng)目為“Spinning Up in Deep RL”,你可以在這里閱讀所有相關(guān)內(nèi)容。它實(shí)際上是非常全面RL的資源列表,這里有很多材料包括RL術(shù)語(yǔ)、如何成為RL研究者、重要論文列表、一個(gè)記錄完備的代碼存儲(chǔ)庫(kù)、甚至還有一些練習(xí)來(lái)幫助你入門(mén)。

如果你打算開(kāi)始使用RL,那么現(xiàn)在開(kāi)始!

Google Dopamine

為了加速研究并讓社區(qū)更多的參與強(qiáng)化學(xué)習(xí),Google AI團(tuán)隊(duì)開(kāi)源了Dopamine,這是一個(gè)TensorFlow框架,旨在通過(guò)它來(lái)使更靈活和可重復(fù)性來(lái)構(gòu)建RL模型。

 

 

你可以在此GitHub存儲(chǔ)庫(kù)中找到整個(gè)訓(xùn)練數(shù)據(jù)以及TensorFlow代碼(僅15個(gè)Python notebooks!)。這是在受控且靈活的環(huán)境中進(jìn)行簡(jiǎn)單實(shí)驗(yàn)的完美平臺(tái),聽(tīng)起來(lái)像數(shù)據(jù)科學(xué)家的夢(mèng)想。

2019年強(qiáng)化學(xué)習(xí)趨勢(shì)

Xander Steenbrugge是DataHack Summit的代表,也是ArxivInsights頻道的創(chuàng)始人,他非常擅長(zhǎng)強(qiáng)化學(xué)習(xí)。以下是他對(duì)RL當(dāng)前狀態(tài)的看法以及2019年的預(yù)期:

我目前看到RL領(lǐng)域的三個(gè)主要問(wèn)題:

樣本復(fù)雜性(代理需要查看/收集以獲得的經(jīng)驗(yàn)數(shù)量);

泛化和轉(zhuǎn)移學(xué)習(xí)(訓(xùn)練任務(wù)A,測(cè)試相關(guān)任務(wù)B);

分層RL(自動(dòng)子目標(biāo)分解);

我相信前兩個(gè)問(wèn)題可以通過(guò)與無(wú)監(jiān)督表示學(xué)習(xí)相關(guān)的類(lèi)似技術(shù)來(lái)解決。目前在RL中,我們正在使用稀疏獎(jiǎng)勵(lì)信號(hào)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò),從原始輸入空間(例如像素)映射到端到端方式的動(dòng)作(例如,使用反向傳播)。

我認(rèn)為能夠促進(jìn)強(qiáng)化學(xué)習(xí)快速發(fā)展的道路是利用無(wú)監(jiān)督的表示學(xué)習(xí)(自動(dòng)編碼器、VAE、GAN)將凌亂的高維輸入空間(例如像素)轉(zhuǎn)換為低維“概念”空間。

人工智能:符合倫理才更重要

想象一下由算法統(tǒng)治的世界,算法決定了人類(lèi)采取的每一個(gè)行動(dòng)。這不是一個(gè)美好的場(chǎng)景,對(duì)嗎?AI中的倫理規(guī)范是Analytics Vidhya一直熱衷于討論的話題。

今年有相當(dāng)多的組織因?yàn)镕acebook的劍橋分析公司丑聞和谷歌內(nèi)部普遍關(guān)于設(shè)計(jì)武器新聞丑聞而遭受危機(jī)。沒(méi)有一個(gè)開(kāi)箱即用的解決方案或一個(gè)適合所有解決方案來(lái)處理AI的倫理方面。它需要一種細(xì)致入微的方法,并結(jié)合領(lǐng)導(dǎo)層提出的結(jié)構(gòu)化路徑。讓我們看看今年出現(xiàn)的重大政策:GDPR。

GDPR如何改變游戲規(guī)則

GDPR或通用數(shù)據(jù)保護(hù)法規(guī)肯定會(huì)對(duì)用于構(gòu)建AI應(yīng)用程序的數(shù)據(jù)收集方式產(chǎn)生影響。GDPR的作用是以確保用戶可以更好地控制他們的數(shù)據(jù)。那么這對(duì)AI有何影響?我們可以想象一下,如果數(shù)據(jù)科學(xué)家沒(méi)有數(shù)據(jù)(或足夠數(shù)據(jù)),那么構(gòu)建任何模型都會(huì)還沒(méi)開(kāi)始就失敗。

2019年的AI倫理趨勢(shì)預(yù)期

這是一個(gè)灰色的領(lǐng)域。就像我提到的那樣,沒(méi)有一個(gè)解決方案可以解決這個(gè)問(wèn)題。我們必須聚集在一起,將倫理問(wèn)題整合到AI項(xiàng)目中。那么我們?cè)鯓硬拍軐?shí)現(xiàn)這一目標(biāo)呢?正如Analytics Vidhya的創(chuàng)始人兼首席執(zhí)行官Kunal Jain在2018年DataHack峰會(huì)上的演講中所強(qiáng)調(diào)的那樣:我們需要確定一個(gè)其他人可以遵循的框架。

結(jié)束語(yǔ)

有影響力!這是2018年來(lái)描述AI最佳的詞匯。今年我成為ULMFiT的狂熱用戶,我也很期待BERT。

文章原標(biāo)題《A Technical Overview of AI & ML (NLP, Computer Vision, Reinforcement Learning) in 2018 & Trends for 2019》

譯者:烏拉烏拉

標(biāo)簽: Google 代碼 谷歌 網(wǎng)絡(luò)

版權(quán)申明:本站文章部分自網(wǎng)絡(luò),如有侵權(quán),請(qǐng)聯(lián)系:west999com@outlook.com
特別注意:本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)!
本站所提供的圖片等素材,版權(quán)歸原作者所有,如需使用,請(qǐng)與原作者聯(lián)系。

上一篇:從 Hive 遷移到 SparkSQL,有贊的大數(shù)據(jù)實(shí)踐

下一篇:2018 中國(guó)開(kāi)發(fā)者生態(tài)報(bào)告:Java 最流行