Android Things給物聯(lián)網(wǎng)設備帶來基于TensorFlow的機器學習和計算機視覺

最近發(fā)布的Android Things開發(fā)者預覽版2（DP2）使得TensorFlow更容易用于物聯(lián)網(wǎng)設備上的機器學習和計算機視覺。此外，它還針對幾個物聯(lián)網(wǎng)平臺擴展了USB音頻，增加了對英特爾Joule的支持，并通過新的Native PIO API使本地驅動程序可直接使用。

詳情：http://www.infoq.com/cn/news/2017/02/android-things-dev-preview-2

GitHub發(fā)布開源指南，指點新手如何參與開源項目

對程序員而言，參與開源有著難以置信的回報，比如有一個自己的出色開源項目，在技術面試能增色很多，極大加分。所以，越來越多的人在參與到開源運動中來。

但對很多新手來說，如何參與開源做出第一個貢獻，如何發(fā)起一個新項目，卻成了問題。

2月14日，GitHub 官博發(fā)文宣告正式推出“開源指南”（ https://opensource.guide/ ），旨在方便想?yún)⑴c到開源的個人和組織。“開源指南”是一個系列集合，分了 “如何貢獻于開源項目”、“如何開啟開源項目”、“為項目找到用戶”等10 個方面，內容簡潔明了。 

詳情：https://jaxenter.com/open-source-github-guides-131713.html

谷歌宣布啟動“視頻理解挑戰(zhàn)賽”，設10萬美元獎金池

雷鋒網(wǎng)報道，谷歌博客最近比較忙，在發(fā)布 TensorFlow's 1.0這一重磅更新后，緊接著又發(fā)布了一條新聞：啟動一場基于YouTube-8M數(shù)據(jù)庫的視頻理解挑戰(zhàn)賽。挑戰(zhàn)賽提供了豐厚的獎金，并終將在今年的CVPR2017大會上進行展示。

為了促進圖像和視頻理解技術的發(fā)展，谷歌于上周三正式發(fā)布升級版的YouTube-8M，并與Google Cloud Machine Learning、 kaggle.com一起合作組織一場“視頻理解挑戰(zhàn)賽”和一場以此為主題的 CVPR’17 Workshop。

詳情：https://research.googleblog.com/2017/02/an-updated-youtube-8m-video.html

DeepCpG：利用深度神經網(wǎng)絡預測單細胞的DNA甲基化

DeepCpG是一個用來預測多個細胞中CpG位點甲基化程度的深度神經網(wǎng)絡。它可以精確地歸納不完整的DNA甲基化譜以發(fā)現(xiàn)具有預測意義的序列改變，同時還可以量化序列變異帶來的影響。

詳情：https://github.com/cangermueller/deepcpg/

模型學習全面概述：利用機器學習查找軟件漏洞

模型學習的目標是通過提供輸入和觀察輸出來構建軟件和硬件系統(tǒng)的黑箱狀態(tài)圖模型（black box state diagram model）。模型學習的算法的設計師一個基本的研究問題。

模型學習正在成為一種高效的漏洞尋找技術，有銀行卡、網(wǎng)絡協(xié)議和遺產軟件等領域的應用。

在新算法的設計上，最新出現(xiàn)了很多新進展，既有有限狀態(tài)圖（Mealy 機）背景的進展，也有數(shù)據(jù)（register automata）背景的進展。通過抽象（abstraction）技術的使用，這些算法可以被應用到復雜系統(tǒng)上。雷鋒網(wǎng)雷鋒網(wǎng)

詳情：http://dataunion.org/27345.html

雷峰網(wǎng)原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。