1. ECCV 2020 亮點(diǎn)摘要

譯者：季一帆、Champagne Jin

內(nèi)容摘要：ECCV 2020 堪稱“史上最難ECCV”，有效投稿5025，一共有1361篇論文入選，錄取率僅為27%。其中 Oral 104篇，Spotlight 161篇，Poster 1096篇。 包括了曾引起廣泛影響的Facebook新式目標(biāo)檢測算法 End-to-End Object Detection with Transformers （DETR ）為Oral。為了讓讀者可以從中了解會議總體趨勢。因此，本文會對這次會議進(jìn)行概括，并列出一些作者自己覺得有趣、重要的論文。 

2. ACL 2020 亮點(diǎn)摘要

譯者：唐里、張超726、情報理論與實(shí)踐、Danielan

內(nèi)容摘要：今年的國際自然語言處理領(lǐng)域頂級學(xué)術(shù)會議“國際計算語言學(xué)協(xié)會年會”（ACL 2020）共收到 3429 篇投稿論文，投稿數(shù)量創(chuàng)下新高。論文有從基礎(chǔ)任務(wù)到高級任務(wù)發(fā)展的趨勢，收到交稿量最多的方向分別是通過機(jī)器學(xué)習(xí)處理自然語言，對話和交互系統(tǒng)，機(jī)器翻譯，信息提取和自然語言處理的應(yīng)用及生成。作者將根據(jù)本次參與會議的心得體會，在本文中討論行業(yè)總體趨勢。

3. Twitter團(tuán)隊最新研究:快速高效的可擴(kuò)展圖神經(jīng)網(wǎng)絡(luò)SIGN

譯者：季一帆、何月瑩

內(nèi)容摘要：迄今為止，阻礙圖神經(jīng)網(wǎng)絡(luò)在行業(yè)應(yīng)用中被廣泛采用的挑戰(zhàn)之一是難以將其縮放到大型圖（例如Twitter跟隨圖）。 節(jié)點(diǎn)之間的相互依賴性使損失函數(shù)分解成單個節(jié)點(diǎn)的貢獻(xiàn)具有挑戰(zhàn)性。 在這篇文章中，我們描述了Twitter開發(fā)的一種簡單的圖神經(jīng)網(wǎng)絡(luò)架構(gòu)，該架構(gòu)可以處理大量的圖。 

4. 深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的線性代數(shù)入門

譯者：季一帆

內(nèi)容摘要：機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是建立在數(shù)學(xué)概念之上的，掌握理解數(shù)學(xué)知識對于算法構(gòu)建和數(shù)據(jù)處理有極大幫助。線性代數(shù)的研究包括向量及其操作。在機(jī)器學(xué)習(xí)中，各處可見線性代數(shù)的背影，如線性回歸，獨(dú)熱編碼，主成分分析PCA，推薦系統(tǒng)中的矩陣分解。深度學(xué)習(xí)更甚，其完全基于線性代數(shù)和微積分。梯度下降，隨機(jī)梯度下降等優(yōu)化方法也建立在此之上。

5. 重磅 | 對比了2000臺筆電后，Towards AI 選出了最適合搞機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)和深度學(xué)習(xí)的筆記本電腦！

譯者：聽風(fēng)1996、Icarus、

內(nèi)容摘要：過去一年中，Towards AI的編輯團(tuán)隊研究了2,000多臺筆記本電腦，并選擇了他們認(rèn)為適合機(jī)器學(xué)習(xí)，數(shù)據(jù)科學(xué)和深度學(xué)習(xí)的最佳筆記本電腦。如果您正在尋找好的設(shè)備，那么這里是您的正確選擇！

6. 【GCN】圖卷積網(wǎng)絡(luò)(GCN)入門詳解

譯者：聽風(fēng)1996、大表哥

內(nèi)容摘要：GCN是一種卷積神經(jīng)網(wǎng)絡(luò)，它可以直接在圖上工作，并利用圖的結(jié)構(gòu)信息。 GCN的基本思路：對于每個子系統(tǒng)，我們從它的所有鄰居例程處獲取其特征信息，當(dāng)然也包括它自身的特征。在本文中，我們先直觀的了解一下它的工作原理，然后再深入了解它背后的數(shù)學(xué)原理。 

7. 斯坦福大學(xué) | 人工智能本科4年課程清單

譯者：明明知道、jiazhenbin、婁門人家

內(nèi)容摘要：你也許通過Coursera在線課程就能獲得某些人工智能領(lǐng)域的知識，但在實(shí)際應(yīng)用中培養(yǎng)對這些概念的深層理解更為重要。本文旨在為四年制人工智能本科學(xué)位的學(xué)習(xí)給出一個完整的課程規(guī)劃。 

8. 告別RNN，迎接TCN

譯者：聽風(fēng)1996、君思、小哲

內(nèi)容摘要：從TCNs在股票趨勢預(yù)測中的應(yīng)用可以看出，通過結(jié)合新聞事件和知識圖譜，TCNs可以明顯優(yōu)于規(guī)范的RNNs。 循環(huán)神經(jīng)網(wǎng)絡(luò)在序列建模中享有的優(yōu)勢可能在很大程度上是歷史發(fā)展遺留的問題。直到近期，在引入諸如擴(kuò)張卷積和殘余連接等架構(gòu)元素之前，卷積架構(gòu)確實(shí)比較薄弱。最近的學(xué)術(shù)研究表明，在這些元素的作用下，簡單的卷積架構(gòu)在不同的序列建模任務(wù)中比LSTMs等遞歸架構(gòu)更有效。由于TCNs的清晰度和簡單性相當(dāng)高，卷積網(wǎng)絡(luò)應(yīng)該被視為序列建模的天然起點(diǎn)和強(qiáng)大工具。

9. 蒙特卡洛模擬（Python）深入教程

譯者：大表哥、wiige

內(nèi)容摘要：蒙特卡羅方法是一種使用隨機(jī)數(shù)和概率來解決復(fù)雜問題的技術(shù)，使我們能夠看到?jīng)Q策的所有可能結(jié)果，并評估風(fēng)險影響，從而在不確定的情況下更好地做出決策。就像任何預(yù)測模型一樣 模擬結(jié)果只有我們的估計值才是好的，蒙特卡洛模擬只代表概率而不是確定性。在本文中，我們將通過五個不同的例子來理解蒙特卡羅模擬方法。 

10. 最強(qiáng)通用棋類AI，AlphaZero強(qiáng)化學(xué)習(xí)算法解讀

譯者：Champagne Jin

內(nèi)容摘要：在本篇博文中，你將會了解并實(shí)現(xiàn)AlphaZero，一個能夠在雙方零和博弈的棋盤游戲中戰(zhàn)勝世界冠軍的強(qiáng)化學(xué)習(xí)算法 ，它以絕對的優(yōu)勢戰(zhàn)勝了多名圍棋以及國際象棋冠軍。作者將帶你使用AlphaZero來解決一個益智小游戲（Dots and Boxes）并將其部署成一個純JavaScript構(gòu)建的Web應(yīng)用。

11. 強(qiáng)化學(xué)習(xí)算法DeepCube，機(jī)器自行解決復(fù)雜魔方問題

譯者：季一帆

內(nèi)容摘要：在本文中，作者將詳細(xì)介紹將RL應(yīng)用于組合優(yōu)化領(lǐng)域的最新研究工作。本文對UCI（加利福尼亞大學(xué)歐文分校）的研究人員發(fā)表的論文“Solving the Rubik’s Cube Without Human Knowledge”進(jìn)行解讀。除了論文解讀之外，還使用PyTorch復(fù)現(xiàn)論文，通過訓(xùn)練模型和流程解讀實(shí)驗(yàn)，對論文方法進(jìn)行改進(jìn)。

12. 2020 年 4 個最值得推薦的 VS Code 插件

譯者：蘇珊?克爾萊、Icarus、

內(nèi)容摘要：使用 VS Code 編寫文檔是種新穎的體驗(yàn)，但同時也會減慢速度，并使界面混亂。在2020年底，作者卸載了40多個不必要的擴(kuò)展，留下了這4個最有用的擴(kuò)展：TabNine、Vim、Spotify 和 Markdown All in One。

13. GitHub十大熱門Python項(xiàng)目

譯者：Icarus、

內(nèi)容摘要：GitHub顯然是絕大多數(shù)在線代碼的家園。Python作為一種神奇而又通用的編程語言，已經(jīng)被成千上萬的開發(fā)者用來構(gòu)建各種有趣而有用的項(xiàng)目。在下面的部分，我們將嘗試涵蓋GitHub上一些使用Python構(gòu)建的最佳項(xiàng)目。

14. 微型機(jī)器學(xué)習(xí)：下一次AI革命

譯者：聽風(fēng)1996

內(nèi)容摘要：雖然GPT-3和Turing-LG取得的成績值得稱贊，當(dāng)然也自然導(dǎo)致了一些業(yè)內(nèi)人士對人工智能行業(yè)日益增長的碳足跡提出了批評。不過，這也有助于激發(fā)人工智能學(xué)界對更加節(jié)能計算的興趣，比如更高效的算法、數(shù)據(jù)表示和計算。微型機(jī)器學(xué)習(xí)（tinyML）是機(jī)器學(xué)習(xí)和嵌入式物聯(lián)網(wǎng)（IoT）設(shè)備的交叉領(lǐng)域。該領(lǐng)域是一門新興的工程學(xué)科，有可能給許多行業(yè)帶來革命性的變化。 

15. 深度學(xué)習(xí)未來發(fā)展的三種學(xué)習(xí)范式：混合學(xué)習(xí)、成分學(xué)習(xí)和簡化學(xué)習(xí)

譯者：小哲

內(nèi)容摘要：深度學(xué)習(xí)是一個很大的領(lǐng)域，其核心是一個神經(jīng)網(wǎng)絡(luò)的算法， 神經(jīng)網(wǎng)絡(luò)的尺寸由數(shù)百萬甚至數(shù)十億個不斷改變的參數(shù)決定。似乎每隔幾天就有大量的新方法提出。然而，一般來說，現(xiàn)在的深度學(xué)習(xí)算法可以分為三個基礎(chǔ)的學(xué)習(xí)范式。每一種學(xué)習(xí)方法和信念都為提高當(dāng)前深度學(xué)習(xí)的能力和范圍提供了巨大的潛力和興趣。

16. 數(shù)學(xué)之美：貝葉斯優(yōu)化

譯者：季一帆、Icarus、

內(nèi)容摘要：問題定義：給定函數(shù)f(x)，該函數(shù)計算成本高、甚至可能不是解析表達(dá)式，同時假定函數(shù)導(dǎo)數(shù)未知。你的任務(wù)：找到函數(shù)得全局最小值。這無疑是一項(xiàng)艱巨的任務(wù)，比機(jī)器學(xué)習(xí)中的其他優(yōu)化問題還要困難。但貝葉斯優(yōu)化提供了一個優(yōu)雅的框架可用于來解決上述定義的問題，并且能夠在盡可能少的步驟中找到全局最小值。 

AI研習(xí)社是AI學(xué)術(shù)青年和AI開發(fā)者技術(shù)交流的在線社區(qū)。我們與高校、學(xué)術(shù)機(jī)構(gòu)和產(chǎn)業(yè)界合作，通過提供學(xué)習(xí)、實(shí)戰(zhàn)和求職服務(wù)，為AI學(xué)術(shù)青年和開發(fā)者的交流互助和職業(yè)發(fā)展打造一站式平臺，致力成為中國最大的科技創(chuàng)新人才聚集地。

如果，你也是位熱愛分享的AI愛好者。歡迎與譯站一起，學(xué)習(xí)新知，分享成長。