AI前线(2017年11月)

本期主要内容:颜水成:学界与工业界的AI研究,有哪些重要不同?商汤科技杨帆:AI落地的关键是算法闭环;人工智能在饿了么的应用实践;准确率99%!基于深度学习的二进制恶意样本检测 ;ImageNet冠军带你入门计算机视觉:监督学习与神经网络的简单实现 。

作者:鲍捷

如今的 AI 落地,核心是工程问题,不是算法问题,更不是“哲学”问题。一定要特别特别“土”,踏踏实实从朴素的运维、数据库、数据清洗做起,从实际的工程中逐步演化。如何按天迭代? 如何构造联调系统? 如何无标注数据启动? 如何分离准确度和召回率要求? 如何统一运用规则和统计? 如何适应无明确衡量标准的开发? 如何设计可演进的数据模式? 如何提升数据可理解性? 如何逐步提升规则系统的表达力? 如何平衡黑箱和白箱模型的优缺点? 如何在优雅架构和工期间取舍? 等等,这些都是教科书上没有的答案。只有扎扎实实从工程出发,才能实事求是地发展出低成本的、有生命力的 AI 系统。

从能在顶会上发文章到能真正工程落地,中间的细节足够再读两个 PhD。

目录

生态评论

颜水成:学界与工业界的 AI 研究,有哪些重要不同?

重磅访谈

商汤科技杨帆:AI 落地的关键是算法闭环

落地实践

图像算法在电商大促中的应用浅析

人工智能在饿了么的应用实践

准确率 99%!基于深度学习的二进制恶意样本检测

阿里小蜜:电商领域的智能助理技术实践

推荐阅读

TensorFlow 与深度学习

ImageNet 冠军带你入门计算机视觉:监督学习与神经网络的简单实现