GitHub 开源官方新命令行工具

近日,GitHub 发布命令行工具(Beta)测试版,官方表示,GitHub CLI 提供了一种更简单、更无缝的方法来使用 Github。这个命令行工具叫做 GitHub CLI,别名 gh。现在,高校科研人员,专业教师与学生均可以在 macOS、Windows 和 Linux 上安装 GitHub CLI,GitHub 提供了完整的操作手册。Github 也会通过用户反馈,在之后的版本中添加更多的功能。

GitHub CLI 现在提供了一些开源贡献者会使用的基本功能,从问题(Issue)以及拉取请求(Pull Request)开始。贡献者可以利用 GitHub CLI 搜寻开源项目并复[……]

继续阅读

胸部放射影像数据集:CheXpert

在这次新冠肺炎『战疫』中,面向医疗医学的深度学习与新一代人工智能科研攻关越显重要。如:在 Keras 中通过递归神经网络(RNN)为时间序列数据建模;使用 MedNIST 数据集进行医学图像分类;应用深度学习数据科学工作流在医疗领域;使用 DIGITS 实现医学影像分割;使用 TensorFlow 实现图像分类;使用 R 和 MXNet 实现医学影像分析;使用 GAN 对医学图像进行数据集扩展与图像分割;将由粗到细的上下文记忆应用于医学影像 …… 都是非常热门的研究方向。

其中,胸部放射影像是全球最常见的影像检查,对很多威胁终身的疾病的筛查、诊断和治疗至关重要。在论文《CheXpert:[……]

继续阅读

新冠肺炎传播模型设计

自 2019 年 12 月以来,新型冠状病毒所引发的疫情已经给城市活动带来了很大影响。怎样确切了解病毒的传播过程,从而帮助城市更好提出措施?使用建模的方法也能起到一些作用。本文是一篇 Python 教程,教你在家中也可以建模疫情传播。本文原发表在 towardsdatascience 上,由『机器之心』翻译,以亚美尼亚共和国首都埃里温作为案例,对冠状病毒在该城市中的蔓延情况进行数学建模和模拟,并观察城市流动模式对病毒传播的影响。读者也可根据文末的示例代码,自己上手使用。同时,本文将探讨当一座城市遭受流行病袭击时会发生什么,应立即采取哪些措施,以及这些措施对城市规划、政策制定和管理带来的影响。[……]

继续阅读

《C++ Primer中文版(第5版)》学习笔记与习题

现在 Python 越来越流行,学习人工智能也大都以学习 Python 为主。然而,C++ 仍然是不可撼动的领导性编程语言,其重要性不言而喻。特别是在阅读和研究一些深度学习框架的底层时,必须要懂  C++。《C++ Primer 中文版(第 5 版)》是一本久负盛名的 C++ 经典教程,其作者是 C++ 大师 Stanley B. Lippman 和 Josée Lajoie。该书已经帮助全球无数程序员学会了 C++。

今天推荐一份《C++ Primer 中文版(第 5 版)》的优质资源,包含了全书的详细笔记和习题解析。

GitHub地址项目 GitHub 地址[……]

继续阅读

Apache Flink 1.10.0 发布

Apache Flink 社区迎来了激动人心的两位数位版本号,Flink 1.10.0 正式宣告发布!作为 Flink 社区迄今为止规模最大的一次版本升级,Flink 1.10 容纳了超过 200 位贡献者对超过 1,200 个 issue 的开发实现,包含对 Flink 作业的整体性能及稳定性的显著优化、对原生 Kubernetes 的初步集成以及对 Python 支持(PyFlink)的重大优化。Flink 1.10 同时还标志着对 Blink 的整合宣告完成,随着对 Hive 的生产级别集成及对 TPC-DS 的全面覆盖,Flink 在增强流式 SQL 处理能力的同时也具备了成熟的批处理[……]

继续阅读

旷视深度学习中文视频课程

本次介绍的,是由旷视研究院和北大数学科学学院机器学习实验室,联合出品的《深度学习实践》课程,教育资源包含讲课视频(中文)和 PPT(英文)。这套课程 2017 年秋天在北大为大二到大四的学生讲过,当时的课堂被录了下来,可以在 B 站观看,可作为《深度学习》课程的理论补充。旷视课程章节覆盖 ——

  1. 计算机视觉和深度学习介绍
  2. 深度学习中的数学
  3. 神经网络基础与架构设计
  4. 深度学习中的计算技术介绍
  5. 神经网络近似算法
  6. 现代目标检测
  7. 场景文字检测与识别
  8. 图像分割
  9. 循环神经网络
  10. 生成模型与生成对抗网络介绍
  11. 行人重识别
  12. 3D 重建
  13. [……]

    继续阅读

新冠肺炎开放知识图谱数据集

『山川异域,风月同天』—— 新冠肺炎疫情牵动着举国上下的心,包括跨象乘云™ 在内,众多高科技企业除了向灾区捐赠物资,配合疫情防控工作,延期复工 / 远程办公的同时,也在积极探索如何利用大数据、新一代人工智能等新技术为『战疫』助力。

近日,OpenKG 联合国内多家科研机构,发布了新冠肺炎开放知识图谱数据集,包括 ——

  • 新冠百科图谱 —— 包括病毒、细菌、流行病、传染病等相关实体。图谱以病毒、细菌为主体,扩展了治疗,疾病等相关内容,通过了这些概念的百科知识,形成了新冠百科图谱。可应用于面向新冠相关术语的语义检索、智能问答,并可用于新冠相关文档的智能搜索和推荐。
  • 新冠科研图谱[……]

    继续阅读

2020 年人工智能开源生态圈

深度学习为核心的新一代人工智能技术发展到今天,已逐步形成一个庞大的生态结构,覆盖了:经典机器学习深度学习强化学习自然语言处理语音识别计算机视觉、分布式训练、自动建模、IDEs 系统、平台、评分推理系统等完整的细分领域 —— 正确合理的选择与开发内容相匹配的工具,常常会使科学研究工作事半功倍,同时,选择正确高效的工具也是技术应用类专业建设的重要环节。

跨象乘云™ 持续致力为高等院校打造深度学习与新一代人工智能科研教学一体化实验平台,在进一步将深度学习系统与容器化基础设施架构紧密集成的同时,对新一代人工智能开源生态系统提供全方位的支撑,加速高校科研效率及科研成果落地。详细项目列表[……]

继续阅读

图神经网络入门教程

图是表示不同性质数据的强大工具,而数据来源于多种人工和自然流程。图数据具备复合性,是原子信息片段的复合体;同时它也具备关联性,定义数据结构的链接,即表示链接实体之间的关系。图通过链接方向和标签来表示大量关联(Association),如离散关系类型、化学性质和分子键强度。而最重要的一点是,图具备普遍性。在化学和材料科学中,图表示化合物的分子结构、蛋白质相互作用和药物相互作用网络,以及生物学和生物化学关联。在社会科学中,图网络被广泛用于表示人们之间的关系,以及推荐系统中的复杂购买行为。近日,大量图数据以及越来越多的可用大型资源库,促使人们对以适应性方式处理图的深度学习模型产生了浓厚兴趣。[……]

继续阅读

特征工程必备技巧

特征工程也被称为特征构造,是从现有数据中构造新的特征从而训练机器学习模型的过程,同时也是传统模式识别技术的升级。机器学习算法只能从我们给定的数据中学习,所以构造一个和任务相关的特征是至关重要的。通常,特征工程是一个冗长的人工过程,依赖于领域知识、直觉和数据操作。这个过程可能是极其枯燥的,同时最终得到的特征将会受到人的主观性和时间的限制。特征工程自动化旨在通过从数据集中自动构造候选特征,并从中选择最优特征用于训练来帮助数据科学家。

随着我们在机器学习、数据建模、数据挖掘分析这条发展路上越走越远,其实越会感觉到特征工程的重要性。跨象乘云™ 的《特征工程》课程,正是向大数据,人工智能专业学生系[……]

继续阅读