你不需要為谷歌或其他大型科技公司工作就可以使用深度學習數據集，在幾分鐘內從零開始建立起你自己的神經網絡，而不需要租用谷歌的服務器也不再只是一個夢。Fast.ai的學生在Imagenet數據集上僅用18分鐘就設計出了一個模型，本文將展示與其類似的模型構建過程。
AI 新聞
了解圖神經網絡GNN和2種高級算法「DeepWalk」+ 「GraphSage」
最近，圖神經網絡 (GNN) 在各個領域越來越受到歡迎，包括社交網絡、知識圖譜、推薦系統，甚至生命科學。GNN 在對圖形中節點間的依賴關係進行建模方面能力強大，使得圖分析相關的研究領域取得了突破性進展。本文旨在介紹圖神經網絡的基本知識，以及兩種更高級的算法：DeepWalk 和 GraphSage。
CNN圖像分類策略簡單到出人意料！
CNN非常擅長對亂序圖像進行分類，但人類並非如此。在這篇文章中，作者展示了為什麼最先進的深度神經網絡仍能很好地識別亂碼圖像，探究其中原因有助於揭示DNN使用讓人意想不到的簡單策略，對自然圖像進行分類。
GANs 千萬條，安全第一條
生成對抗神經網絡（ GANs ）是深度學習下一步發展的關鍵，它在很多領域都有很大的應用前景。但 GANs 的繁榮還需要跨過硬件和框架這兩座高山。
[實踐】用BRET進行多標籤文本分類（附代碼）
我們將使用Kaggle的垃圾評論分類挑戰來衡量BERT在多標籤文本分類中的表現。
在未來和AI爭奪工作的16個實用技巧
雖然人工智能可能會改變某些類型的工作，但它們永遠不會完全取代人類的工作——你只需要知道如何維持並推銷你的技能。來自福布斯教練諮詢會（Forbes Coaches Council）的成員們分享了一些技巧，讓你可以在未來的職業生涯中獲取所需的技能。
2019全球AI 100強，中國占獨角獸半壁江山
日前，創投研究機構CB Insights發佈了年度人工智能企業百強榜單——由100個最具前途的AI公司組成，它們從3000多個候選者中脫穎而出，其業務涵蓋人工智能硬件、數據基礎設施、機器學習流程優化，以及各類行業應用。
強化學習如何入門？看這篇文章就夠了
對於大腦的工作原理，我們知之甚少，但是我們知道大腦能通過反覆嘗試來學習知識。我們做出合適選擇時會得到獎勵，做出不切當選擇時會受到懲罰，這也是我們來適應環境的方式。如今，我們可以利用強大的計算能力，在軟件中對這個具體過程進行建模，這就是強化學習。
人工智障 2 : 你看到的AI與智能無關
本文主要是表達 「我不是針對誰，只是現在所有的深度學習都搞不定對話AI」，以及「你看都這樣了，那該怎麼做AI產品」。
MIT&微軟開發智能識別新模型，幫助處理自動駕駛系統的知識「盲點」
近日，MIT和微軟的研究人員開發出一種用於識別智能系統的新模型，特別是自動駕駛系統在訓練中學習到的、但是與實際情形不匹配的知識「盲點」，工程師們可利用這一模型識別並改進自動駕駛系統處理特殊情況的措施，提高整個系統的安全性。