这两年人工智能很吃香,今年的人工智能应届博士年薪甚至有高达80万,而且很稀缺。我一向对此感兴趣,于是查找了一下西工大的博士研究生招生。现在将资料放此,以备查看。 西北工业大学研究生招生信息网:http://yzb.nwpu.edu.cn/new/sy.htm 招生简章:http://yzb.nwpu.edu.cn/info/1180/6927.htm 专业招生目录:http://yzb.nwpu.edu.cn/info/1182/6926.htm 有关的几个方向:阅读全文

Connections between physics and deep learning——Machine Learning and Physics youtube上的其他相关搜索结果: https://www.youtube.com/results?search_query=machine+learning+physics 引申阅读: How does physics connect to machine learning? What are the connections between machine learning and physics?阅读全文

这是一个转型AI的励志故事,从非科班到拿下竞赛一等奖[转载]

本文大概描述了机器学习领域之外的人如何转行到机器学习领域内。说得很详细。 下文转载自CSDN:http://blog.csdn.net/qq_40027052/article/details/78542679?locationNum=3&fps=1 在计算机行业,关于从业人员的素质,一直都有一个朴素的认识——科班出身好过非科班,学历高的好过学历低的。大部分时候,这个看法是对的。在学校学习,有老师指点,有同学讨论,有考试压迫,有项目练手。即便不大用心的学生,几年耳濡目染下来,毕业后作为半个专业人士,还是没什么问题的。 不过,量子物理告诉我们,这个世界的本质要看概率。所以,科班出身的同学,在技术上好过非科班出身的同学,这是大概率事件;相反,非机器学习专业,甚至非计算机专业的同学,在这个领域做的比本专业同学更好,则就是小概率事件了。但小概率事件并非“不可能事件”,国内很多做机器学习公司的CTO,都不是机器学习专业的科班出身,却能够抓住这里的“小概率”,让自己华丽地转身并实现弯道超车。 他们是怎么做到的? 如果在上学的时候,我们没能嗅到机器学习领域的机会,而是选择其他领域来学习和工作……如今却打算半路出家、改行机器学习,应该怎么做,才能做到跟这些人一样好?或者,至少是足够好? 我自己痛苦转型的经历,说出来可以供大家参考一下。 我也是非科班出身,但因为工作,一直需要接触计算机视觉的一阅读全文

微型无人机携带炸药可以杀人。 这并不是危言耸听 伯克利大学教授在联合国大会上展示了“AI杀人蜂”机器人 搭载人脸识别、传感器以及3克炸药 可以在人群中精确定位到需要干掉的人 杀人成本极其低廉 同时教授警告:该项技术已经成熟 要警惕落入恐怖分子之手(感谢阿尔法小分队译制,网易公开课编辑整理) 本视频来自网易公开课 http://open.163.com/movie/2017/11/0/9/MD32SIIIB_MD32SJS09.html 这是视频最后给出的“防止这种悲剧发生的”公益网站:http://autonomousweapons.org/ 我也相信机器人一定会与人类共享世界,甚至取代人类。阅读全文

深度学习:Python深度学习完全路线指南[转载]

转载自:https://zhuanlan.zhihu.com/p/29309218 Python深度学习完全路线指南 介绍 深度学习目前已经成为了人工智能领域的突出话题。它在“计算机视觉”和游戏(AlphaGo)等领域的突出表现而闻名,甚至超越了人类的能力。近几年对深度学习的关注度也在不断上升,这里有一个调查结果可以参考。 这里有一个 Google 的搜索趋势图: 如果你对这个话题感兴趣,这里有一个很好的非技术性的介绍。如果你有兴趣了解最近的趋势,那么这里有一个很好的汇总。 在这篇文章中,我们的目标是为所有深度学习的人提供一条学习之路,同时也是为想要进一步学习的人提供一条探索的路径。如果你准备好了,那么让我们开始吧! 步骤0:先决条件 建议在学习深度学习之前,你应该先了解一些机器学习的基础知识。这篇文章列出了完整的学习机器学习的资源。 如果你想要一个简单的学习版本。那么可以看下面的列表: 数学基础(特别是微积分,概率和线性代数) Python 基础 统计学基础 机器学习基础 建议时间:2-6个月 步骤1:机器配置 在进行下一步学习之前,你应该确保你有一个支持你学习的硬件环境。一般建议你至少拥有以下硬件: 一个足够好的 GPU(4 GB),最好是 Nvidia 一个还可以的 CPU(比如:Intel Core i3,Intel Pentium 可能不适合) 4 GB RAM(这个取决阅读全文

转载自:https://zhuanlan.zhihu.com/p/29440419?group_id=893138426625429504 听说你还不懂机器学习?图片解读基本概念、五大流派与九种常见算法 机器学习正在进步,我们似乎正在不断接近我们心中的人工智能目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在我们的实际生活中开始得到了应用,但机器学习的发展仍还在继续,甚至被认为有可能彻底改变人类文明的发展方向乃至人类自身。但你了解现在正在发生的这场变革吗?四大会计师事务所之一的普华永道(PwC)近日发布了多份解读机器学习基础的图表,其中介绍了机器学习的基本概念、原理、历史、未来趋势和一些常见的算法。为便于读者阅读,机器之心对这些图表进行了编译和拆分,分三大部分对这些内容进行了呈现,其中也加入了一些扩展链接,希望能帮助你进一步扩展阅读。 一、机器学习概览 1. 什么是机器学习? 机器通过分析大量数据来进行学习。比如说,不需要通过编程来识别猫或人脸,它们可以通过使用图片来进行训练,从而归纳和识别特定的目标。 2. 机器学习和人工智能的关系 机器学习是一种重在寻找数据中的模式并使用这些模式来做出预测的研究和算法的门类。机器学习是人工智能领域的一部分,并且和知识发现与数据挖掘有所交集。更多解读可参阅《一文读懂机器学习、数据科学、人工智能、深度学习和统计学之间的区别》。 3. 机器学习阅读全文

2017年8月30日,网易公开课上线了吴恩达的《深度学习》课程。 吴恩达简介: 吴恩达博士是Google Brain项目的发起人和领导者,斯坦福大学的计算机科学教授,Coursera的联合创始人和联合主席。他还曾任百度的副总裁和首席科学家,在这里,他领导了约1300人的人工智能团队,并负责百度的国际人工智能战略和基础建设。由 deeplearning.ai 出品,网易引进的正版授权中文版深度学习工程师微专业课程,让你在了解丰富的人工智能应用案例的同时,学会在实践中搭建出最先进的神经网络模型,训练出属于你自己的 AI。 在网易的课程主页:https://study.163.com/topics/deepLearning/ 吴恩达的 Deep Learing 学习网官网:https://www.deeplearning.ai/ 课程简介: 吴恩达的汉语说的还真不错!佩服。阅读全文

知识:元胞自动机

元胞自动机(Cellular Automaton,复数为Cellular Automata,简称CA,也有人译为细胞自动机、点格自动机、分子自动机或单元自动机)。是一时间和空间都离散的动力系统。散布在规则格网 (Lattice Grid)中的每一元胞(Cell)取有限的离散状态,遵循同样的作用规则,依据确定的局部规则作同步更新。大量元胞通过简单的相互作用而构成精态系统的演化。由冯诺依曼在20世纪50年代发明。 一开始是二维的,后来发展到三维,多维。 两张图片展示一下: 二维: 三维: 元胞自动机本来是研究在一定规则下元胞的演化的,而且得出了很多有价值的结论。比如参看文章:这个游戏没有玩家,为何在学术圈火了半个世纪? 今天还了解到,元胞自动机已经被使用到各个方面。我关心的是在物理学中的应用。 百度百科介绍到:“除了格子气元胞自动机在流体力学上的成功应用。元胞自动机还应用于磁场、电场等场的模拟,以及热扩散、热传导和机械波的模拟。另外。元胞自动机还用来模拟雪花等枝晶的形成。” 还有一个文章详细讲解了元胞自动机,很生动:http://www.swarma.org/complex/models/ca/ca1.htm 有人给出了二维元胞自动机的一个C++开源例子,原文链接:访问。我分享一下运行视频:   我在arXiv.cn上搜索得到的结果:https://arxiv.org/fin阅读全文

转载自:电子火花 谷歌的 Project Soli 雷达技术可不光是应用在智能表,如果交到创意无限的人手上,其应用可是既实用又有趣。圣安德鲁斯大学的研究员利用开发者套件来创作了 RadarCat,能分辨靠近的物品是什么。RadarCat 通过机器学习,慢慢就会分辨到放在上面的是苹果或是橙、玻璃杯里有没有水,甚至是人体部位。 团队并没有做出太复杂的东西,他们只把手机和雷达连在一起,就能通过握机的方式和位置来做出不同反应,设备还懂得分辨手掌有没有戴上手套而改变界面呢。在应用范例里,餐厅能知道客人的饮料喝完没有、视障人士也可以在店里分辨到货品。再进一步的,团队认为农场和废料回收场也能应用 RadarCat 来分类物品。希望它能尽快从概念计划变为实际产品,造褔大众吧。阅读全文