你不需要为谷歌或其他大型科技公司工作就可以使用深度学习数据集，在几分钟内从零开始建立起你自己的神经网络，而不需要租用谷歌的服务器也不再只是一个梦。Fast.ai的学生在Imagenet数据集上仅用18分钟就设计出了一个模型，本文将展示与其类似的模型构建过程。
Blog
了解图神经网络GNN和2种高级算法「DeepWalk」+ 「GraphSage」
最近，图神经网络 (GNN) 在各个领域越来越受到欢迎，包括社交网络、知识图谱、推荐系统，甚至生命科学。GNN 在对图形中节点间的依赖关系进行建模方面能力强大，使得图分析相关的研究领域取得了突破性进展。本文旨在介绍图神经网络的基本知识，以及两种更高级的算法：DeepWalk 和 GraphSage。
CNN图像分类策略简单到出人意料！
CNN非常擅长对乱序图像进行分类，但人类并非如此。在这篇文章中，作者展示了为什么最先进的深度神经网络仍能很好地识别乱码图像，探究其中原因有助于揭示DNN使用让人意想不到的简单策略，对自然图像进行分类。
GANs 千万条，安全第一条
生成对抗神经网络（ GANs ）是深度学习下一步发展的关键，它在很多领域都有很大的应用前景。但 GANs 的繁荣还需要跨过硬件和框架这两座高山。
[实践】用BRET进行多标签文本分类（附代码）
我们将使用Kaggle的垃圾评论分类挑战来衡量BERT在多标签文本分类中的表现。
在未来和AI争夺工作的16个实用技巧
虽然人工智能可能会改变某些类型的工作，但它们永远不会完全取代人类的工作——你只需要知道如何维持并推销你的技能。来自福布斯教练咨询会（Forbes Coaches Council）的成员们分享了一些技巧，让你可以在未来的职业生涯中获取所需的技能。
2019全球AI 100强，中国占独角兽半壁江山
日前，创投研究机构CB Insights发布了年度人工智能企业百强榜单——由100个最具前途的AI公司组成，它们从3000多个候选者中脱颖而出，其业务涵盖人工智能硬件、数据基础设施、机器学习流程优化，以及各类行业应用。
强化学习如何入门？看这篇文章就够了
对于大脑的工作原理，我们知之甚少，但是我们知道大脑能通过反复尝试来学习知识。我们做出合适选择时会得到奖励，做出不切当选择时会受到惩罚，这也是我们来适应环境的方式。如今，我们可以利用强大的计算能力，在软件中对这个具体过程进行建模，这就是强化学习。
人工智障 2 : 你看到的AI与智能无关
本文主要是表达 “我不是针对谁，只是现在所有的深度学习都搞不定对话AI”，以及“你看都这样了，那该怎么做AI产品”。
MIT&微软开发智能识别新模型，帮助处理自动驾驶系统的知识“盲点”
近日，MIT和微软的研究人员开发出一种用于识别智能系统的新模型，特别是自动驾驶系统在训练中学习到的、但是与实际情形不匹配的知识“盲点”，工程师们可利用这一模型识别并改进自动驾驶系统处理特殊情况的措施，提高整个系统的安全性。