人工智能

作者 | 神经小兮 来源 | HyperAI超神经 头图 | 下载于视觉中国 球探对于很多人来说是一个略显神秘的群体，他们对一个球队的建设和发展至关重要。为了提高球探的工作效率，英超伯恩利足球俱乐部最近启用了 AI 球探。 关键词： AI 球探 计算机视觉 姿态识别 最近，中国足球运动员李嗣镕，与荷兰海牙足球俱乐部签下职业合同，这一消息很快登上微博热搜，但他上热搜的原因竟是因为：太帅了。 李嗣镕今年 18 岁，是一个「球二代」， 父亲是前中国国家队国脚李明 虽然因为帅而火出圈，但李嗣镕实际上是集高颜值与实力于一身。7 岁开始练球，12 岁进入海牙俱乐部青训系统，并被俱乐部 CEO 哈姆迪看好，认为他「将来可以去英超赛场闯荡」。 在众多年轻球员中，还隐藏着更多李嗣镕这样的潜力股，他们如何才能被发现？这还要从足球圈内一个特殊的职业说起。 独具慧眼的球探，发现明日之星 在各大联赛足球俱乐部，除了教练、球员以及管理人员外，还有一个职位至关重要，那就是球探。 球探的职责，就是在全球各地大大小小的比赛中，发现天赋过人的年轻球员，并把他们推荐给教练。 对于很多天才球员来说，球探无异于发现千里马的伯乐。 贝克汉姆： 他在 11 岁那年的一场少年队比赛中，因为抢眼的表现，被曼联著名球探马尔科姆·费吉恩相中，之后很快收到曼联的邀请函； 梅西： 在 13 岁时被巴塞罗那球探雷克萨奇发现并签约； 罗纳尔多

来源 | 极市平台 转载自：机器学习算法与自然语言处理 原文链接： 我是如何在3个月内写出博士论文的？ ​ mp.weixin.qq.com 在看这篇文章之前请注意：我的博士论文花了我三年半的全职研究时间来收集数据，本文所指的三个月只是用于写作的时间，在该时间段的最后我写得很快。我并不是说每个人都能写得那么快，如果你没有做过研究，那就不可能写出来。你可能不会像我一样写得那么快，但你可能会从我的方法中得到一些有益的启示。 2006年夏天，在开始攻读博士学位近3年后，我想到放弃。原来，当时我的成果远远不够，我所使用的设备大部分时间都不起作用，我几乎无法在早晨唤起起床的动力。一年多以后有了折转，我成功做到了：扭转局面，获得了一些可发表少数几篇论文的结果；在3个月内从零开始完成我的博士论文；无争议地通过我的口头答辩。而且，最重要的是，我居然开始享受这个过程。我是怎么做到这一切的？ 1.应对压力—— Dealing with stress 在经历了一次近乎崩溃的经历后，当我在研究中遇到问题或者发现自己压力大的时候，我就会开始在校园里散步。我花时间思考自己需要做什么，让自己有一个正确的心态回过头来处理问题。以前我发现我自己会处于一种为了熬过一天而在网上浪费时间的境地。这一个习惯的改变可能挽救了我的博士生涯。 2.放慢速度——Slowing down 这似乎有悖于直觉，但放慢速度有助于我走得更快

原创：Elesdspline 转载自：AI自然语言处理与知识图谱 原文链接： 综述：关系抽取，挑战与机遇并存！ ​ mp.weixin.qq.com 关系抽取是信息抽取的基本任务之一，目的是识别文本中实体的目标关系，关系抽取对于知识库的构建以及文本的理解十分重要，特别有利于自然语言处理的一些任务，如问答，文本理解等，而且，关系抽取作为知识图谱构建的核心关键，是必不可少的步骤。 大家熟知的传统关系抽取(二元关于抽取，两个实体之间的关系)已经得到了广泛的研究，并且有很多的研究方法已经落地实践，近些年来，对于复杂场景的变化，传统的简单关系抽取已经无法满足实际场景中的复杂应用，慢慢衍生出需要复杂场景的关系抽取任务。 本文是一篇综述文章，总结了目前简单关系抽取的研究进展以及实践方法，对目前已出现的复杂关系抽取任务进行了总结，并介绍了每个任务的定义、最新进展、挑战和机遇。 一、简单关系抽取 简单的关系抽取目的是从文本中识别两个实体之间的关系，例如下图，根据文本，识别出北京和中国的关系为 the capital of，一般这样的关系抽取称之为二元关系抽取( Binary Relation Extraction，BiRE)。 简单关系抽取 目前的方法一般分为 基于监督学习的 BiRE(Supervised BiRE) 、 基于半监督学习的 BiRE(Semi-supervised BiRE) 以及

By 超神经 内容概要： 一直以来人类都是以动物蛋白为主要能量来源，随着环境保护、可持续发展等观念的深化，不少企业开始探索动物蛋白的植物替代品。 关键词： 植物基食物 可持续发展 人造肉 本月初，麦当劳宣布， 将于 2021 年推出植物肉全新产品线 McPlant，新品品类将包括汉堡、鸡肉替代品以及早餐三明治。 事实上，麦当劳并不是尝试植物基产品的首家快餐店，McPlant 也并非麦当劳在植物肉汉堡上的首次试水。 植物肉：从理念到餐桌的饮食新宠 去年 9 月-2020 年初， 麦当劳就曾与美国植物肉生产商 Beyond Meat 合作， 在加拿大安大略省部分门店低调发售植物肉汉堡 P.L.T.， 测试消费者对人造肉汉堡的接受程度。 今年 10 月 12 日，肯德基在国内北上广深杭武汉等 6 个城市的 210 家门店，限时限量试售植物基新品——植物肉汉堡和植物肉鸡块。 新品系列被称为「植世代」，共包括两款植物肉食品： 牛肉芝士汉堡（牛肉风味的植物蛋白制品）及黄金鸡块（鸡肉风味的植物蛋白制品）。 肯德基植世代系列包括两款新品：牛肉汉堡和鸡块 没有吃到肯德基和麦当劳的植物肉汉堡也没关系，我们收集了国内市场上部分仍在售的植物肉食品和植物奶饮品，并标注了参考售价，大家可以前往门店或在网店购买尝鲜。 在售的植物基食品/饮品（国内） 品牌 产品 参考售价 喜茶 未来肉 芝士堡 25 周黑鸭 素肉

【机器学习炼丹术】的学习笔记分享 <<小白学PyTorch>> 小白学PyTorch | 10 pytorch常见运算详解 小白学PyTorch | 9 tensor数据结构与存储结构 小白学PyTorch | 8 实战之MNIST小试牛刀 小白学PyTorch | 7 最新版本torchvision.transforms常用API翻译与讲解 小白学PyTorch | 6 模型的构建访问遍历存储（附代码） 小白学PyTorch | 5 torchvision预训练模型与数据集全览 小白学PyTorch | 4 构建模型三要素与权重初始化 小白学PyTorch | 3 浅谈Dataset和Dataloader 小白学PyTorch | 2 浅谈训练集验证集和测试集 小白学PyTorch | 1 搭建一个超简单的网络 小白学PyTorch | 动态图与静态图的浅显理解 参考目录： 1 背景 2 深度可分离卷积 2.2 一般卷积计算量 2.2 深度可分离卷积计算量 2.3 网络结构 3 PyTorch实现 本来计划是想在今天讲EfficientNet PyTorch的，但是发现EfficientNet是依赖于SENet和MobileNet两个网络结构，所以本着本系列是给“小白”初学者学习的，所以这一课先讲解MobileNet，然后下一课讲解SENet

【机器学习炼丹术】的学习笔记分享 <<小白学PyTorch>> 小白学PyTorch | 14 tensorboardX可视化教程 小白学PyTorch | 13 EfficientNet详解及PyTorch实现 小白学PyTorch | 12 SENet详解及PyTorch实现 小白学PyTorch | 11 MobileNet详解及PyTorch实现 小白学PyTorch | 10 pytorch常见运算详解 小白学PyTorch | 9 tensor数据结构与存储结构 小白学PyTorch | 8 实战之MNIST小试牛刀 小白学PyTorch | 7 最新版本torchvision.transforms常用API翻译与讲解 小白学PyTorch | 6 模型的构建访问遍历存储（附代码） 小白学PyTorch | 5 torchvision预训练模型与数据集全览 小白学PyTorch | 4 构建模型三要素与权重初始化 小白学PyTorch | 3 浅谈Dataset和Dataloader 小白学PyTorch | 2 浅谈训练集验证集和测试集 小白学PyTorch | 1 搭建一个超简单的网络 小白学PyTorch | 动态图与静态图的浅显理解 这个系列《小白学PyTorch》的所有代码和数据集放在了公众号【机器学习炼丹术】后台，回复【pytorch】获取（已经更新到最新

点击上方“ 编程三分钟 ”，马上关注 ，每周不加班时更新 。 程序员书库（ID：OpenSourceTop） 视频来源：B站 说到B站，你第一反应是什么？追新番，发弹幕，还是看鬼畜视频？实际上，现在B站已经是一个无所不能的学习网站。 据了解，B站一共提供了物种视频排序的方式，每种能够返回前1000个视频，上面已经囊括了当下较火的编程语言课程，猿妹按照课程收藏量排序选出了以下编程视频，涉及多个编程语言，看看有没有你需要的： 1、小甲鱼零基础入门学习Python 779.5万播放 17.1万弹幕 B站收藏量最高的Python教程，一共97讲，此教程适合完全零基础的朋友学习，先掌握基础知识，其他部分根据各自方向来找其他教程来学，如Web，爬虫，数据分析，机器学习，深度学习 课程地址： https://www.bilibili.com/video/av4050443 2、C语言程序设计.浙江大学.翁恺 234.6万播放 5.3万弹幕 这门课程是中国大学慕课平台做的，由翁恺讲授，翁恺是浙江大学计算机学院教师，研究方向嵌入式操作系统及嵌入式系统应用，主要讲授各种程序设计语言等课程。 课程地址： https://www.bilibili.com/video/av15267247 3、Java零基础教程视频 361.7万播放 15.9万弹幕 本套Java视频教程适合绝对零基础的学员观看

当我们掌握了一定的机器学习和数据挖掘基础理论后，参加一场数据算法竞赛可以接触真实的业务和数据，将理论知识过渡到工程应用，同时可以在竞赛过程中进行反复地思考，强化对理论知识的理解。 本次分享，我将以个人竞赛经历和圈内整体情况为背景和大家聊聊如何进行一场数据挖掘算法竞赛，以及赛前、赛中和赛后需要做哪些事情。最后还将进行一个案例分享，来看看我是如何进行一场比赛的。 注： 本文详细视频 晚7点 在阿里天池分享，链接可回看 https://tianchi.aliyun.com/course/live?liveId=41153 主题大纲 为什么要参加数据挖掘竞赛？能带来什么？ 参加竞赛需要哪些基础知识和技能？ 如何选择适合自己的竞赛？ 竞赛中的几个主要模块议 竞赛过程中最重要的事情 好的竞赛总结比竞赛过程更重要 案例分享（ 天池“全国城市计算AI挑战赛”） 为什么要参加数据挖掘竞赛？ 从理论知识到从理论知识到工程应用；真实数据，增加项目经验 求职加分，企业看重；企业办赛，人才选拔 奖金的激励（丰厚） 交友，学习，PK高手 参加竞赛需要的基础知识和技能？ 理论知识掌握：评价指标、数据分析、特征工程、常用模型 工具的掌握 语言的选择：Python 可视化工具：Matplotlib、Seaborn 数据处理工具：Pandas、NumPy 机器学习库：Sklearn、XGBoost、LightGBM

简介： 随着容器技术的不断发展迭代，Kubernetes 已成为云原生时代的标准操作系统，那么如何构建一个稳定自愈的云原生操作系统事关重大。尤其是分布式环境下，各类硬件和软件故障已成为常态，直接导致 Kubernetes 集群工作节点时常处于一种不稳定的状态，人肉运维不仅效率低下，误操作及 24 小时 OnCall 也是巨大的挑战，因此容器服务通过托管节点池为用户提供了一个自愈的免运维的云上 Kubernetes 集群服务。本文将重点介绍如何通过托管节点池实现 Kubernetes 节点自愈能力 随着容器技术的不断发展迭代，Kubernetes 已成为云原生时代的标准操作系统，那么如何构建一个稳定自愈的云原生操作系统事关重大。尤其是分布式环境下，各类硬件和软件故障已成为常态，直接导致 Kubernetes 集群工作节点时常处于一种不稳定的状态，人肉运维不仅效率低下，误操作及 24 小时 OnCall 也是巨大的挑战，因此容器服务通过托管节点池为用户提供了一个自愈的免运维的云上 Kubernetes 集群服务。本文将重点介绍如何通过托管节点池实现 Kubernetes 节点自愈能力。 首先，我们需要定义什么是节点自愈？ 什么是节点自愈？ Kubernetes 集群作为一个典型的分布式系统，是由一组 Master 管控节点，加上若干个运行工作负载的节点组成

出品 l 观点财经 作者 l 大钊 排版 l 勤燐 在过去的2020年里，突如其来的疫情使在线教育站上了风口，但随着疫情的常态化，很多受疫情影响的行业也开始回归常态化，教育领域接下来的走势也备受市场关注。 日前，教培行业两巨头好未来（NYSE：TAL）、新东方（NYSE：EDU）先后披露截至2020年11月30日止三个月的最新财报业绩。 财报发布前，就有部分券商下调了两家的股价预期。 1月22日瑞信（Credit Suisse）将好未来评级从跑赢大盘下调为中性，目标价为79.00美元。 25日交银国际发布报告，下调新东方2021财年收入预测2%，下调净利润预测24%，目标价从191美元下调至190美元。 而从二级市场的反馈来看，两家公司呈两极分化态势。 进入2021年后，好未来股价从第一个交易日的从69.2美元涨到76.88美元，新东方股价则从174美元跌至29日收盘的167.5美元。 为什么同为教育巨头的了两家却有如此截然不同的表现？ 好未来由盈转亏 新东方原地踏步 报告期内好未来实现营收11.19亿美元，同比增长35.0%，归母净利润-4361万美元，同比增长-322.9%，由盈转亏。 新东方2021财年第二季度财报显示，公司营收达8.88亿美元，同比增长13.1%；归母净利润为5390万美元，同比增长0.9%，接近于“原地踏步”。 在关键的学生数量上，报告期内