胶囊网络(CapsNets)是一个热门的新型神经网络体系结构，可能对深度学习，特别是计算机视觉，有深远的影响。等等，计算机视觉的基本问题已经解决了吗?我们不是所有人都能看到卷积神经网络(CNNs)在各种计算机视觉任务(如分类、定位、物体检测、语义分割或实例分割等复杂的神经网络(CNNs)达到超人类水平的惊人例子了么(见图1)?

当前的情况，人工智能行业似乎炙手可热，消费者的需求量也很大，投资者也对此有很大的兴趣。可以看到，风险投资机构在AI创业公司的投资从2014年的32亿美元增加到2017年的前五个月就超过95亿美元。人工智能的发展前景无数，包括医疗、农业和等等其他领域的应用。

机器学习算法可以通过从例子中推广来弄清楚如何执行重要的任务。在手动编程的情况下，这通常是可行且成本有效。随着更多的数据变得可用，可以解决更多雄心勃勃的问题。因此，机器学习被广泛应用于计算机等领域。然而，开发成功的机器学习应用程序需要大量难以在教科书中找到的“黑色艺术”。

数据科学已经被应用于现代工作场所的许多问题中。由于更快的计算和更便宜的存储，我们已经能够预测和计算之前可能要花费人工几个小时来处理的结果。保险索赔分析师现在可以利用算法来帮助检测欺诈行为，零售商可以更好地定制你的在线和店内体验，这一切都要归功于数据科学。我们结合了几个现实生活项目的例子，以及其他一些团队的其他一些想法。

　　我们都知道，卷积神经网络（CNN）是令人着迷和强大的工具，也许这正是深度学习如此受欢迎的原因之一，因为Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton在2012年发表了“深度卷积网络的ImageNet分类” CNN的计算机视觉可以在许多任务中赢取胜利，但是CNN真的完美无瑕吗？那是我们能做的最好的？我猜从标题里你会认为这答案是否定的。

“以神经元为模型的超导计算芯片可以比人脑更快、更高效地处理信息。”《科学进展》（Science Advances）于近日所描述的这一成就是开发用于模拟生物系统的高级计算设备的关键基准。它可以打开更自然的机器学习软件的大门，虽然许多障碍仍然可以在商业上使用。

DeepMind近期开源了Psychlab。Psychlab通过一系列典型的任务证明其人工智能体（Artificial Agent）的行为的可靠性：包括视觉搜索、连续识别、多目标搜索等任务。同时也提供了简单实用的API，使其他研究者可以在其基础上轻松构建自己的任务。

在这篇文章中，将解释一些在keras中经常需要的常见操作。首先，如何保存模型并使用它们进行预测，从数据集中显示图像并从加载系统中图像并预测其类别。

昨天在我们的网站上已经有一篇介绍迁移学习的文章，简单的将迁移学习的基本情况进行了概述，在今天的这篇文章中，将讨论迁移学习的两个应用，概述自然语言处理和计算机视觉领域的相关例子。

虽然人工智能的时间范围不可预知，但现在它已经潜移默化地影响着我们的生活。AI机器学习的一个分支，受到了专家们的特别关注，因为它可能会对世界上的最重要的行业都产生影响。

人工智能在2017年引发了大量的头条新闻。PLC基金管理公司Man Group首席执行官卢克·埃利斯（Luke Ellis）表示，“如果计算能力和数据生成以目前的速度持续增长，那么25年内在机器学习领域可能投入99％的投资管理。” 　　尽管有不少乐观的评论出现，但目前人工智能的进步还没有转化为卓越的回报。据Wired的消息，过去几年的定量基金平均未能超越对冲基金（自身未能超越市场表现）。

这里有几个选项可以加速你的机器学习原型。效果最明显的是使用GPGP，因为一张合适的Nvidia显卡会让你回到1K到2K之间。别忘了，你可能需要升级电源和散热风扇。但是，如果你的部门（像大多数人一样）处于预算限制之下（尽管也许你只是把它当作学习经验，或者仅仅是为了娱乐的目的），那么可能需要找到一个加速处理和节省大量资金的中间地带。

在机器学习中，有一种叫做“没有免费的午餐”的定理。简而言之，它指出没有任何一种算法能够适用每一个问题，而且它对于监督式学习（即预测性建模）尤其重要。

本文中所做的预测是通过“机器学习在企业中”的这个视角分享的。因此，可能涉及机器学习研究中令人兴奋的世界的曲折和变化比较少，这里更关心的是当期望利用技术达到其季度、年度或更长期的战略业务目标时，典型的企业的相关经验。

有不少人不太明白数据科学、机器学习、AI之间的区别，今天，小编就做个简单的科普。 但这并不是唯一的准确的标准，不是所有符合每个定义的东西都属于这个领域。这也不是一个确定职业的好标准，比如，很多人会表示写作是他们生活中的一部分，但他们却不是作家。 　　

在本教程中，我们将看到如何将上下文对话添加到你的应用程序，Alexa skill，Google Home操作或聊天机器人。 　为交互而构建的会话应用程序也有两个方面：最终用户可以问“今天发生了什么事？”而你的机器人会根据这个事实回答一个有趣的事实，也可能会补充表示，“你想让我给你发一个这篇文章的链接吗？’’然后最终用户可以表示，“不，请把它送交我的办公室”等方式批准。

本文将介绍一种使用微软的Bot Framework创建一个智能机器人应用程序的方法。 首先，我们需要下载ngrok软件。但是，什么是ngrok？

如果你仔细留意一下，就会发现最近几个月的内存价格出现了大幅上涨。这一切，可能都要“归功于”亚马逊、谷歌、阿里巴巴、微软、腾讯等一众科技巨头。如果你是这些公司的零部件供应商，那么超大规模数据中心的爆炸式增长对你很有益，但如果你需要购买相同的组件，那就不太好了。

2018年1月13-14日，由国家卫生计生委医管中心、中国信息通信研究院指导，互联网医疗健康产业联盟、互联网医疗系统与应用国家工程实验室、IMT-2020（5G）推进组主办的“2018互联网医疗健康学术技术交流大会”在北京国家会议中心成功举行。本次大会以“智能、共融、普惠、健康”为主题，旨在推动人工智能、大数据、云计算、5G网络等尖端技术在医疗健康行业的广泛应用。推动“互联网+医疗”产业发展，为保障国民身体健康提供助力。

人工智能和深度学习是当前非常热门的技术，人们对计算机视觉、图像识别和分类、自然语言处理（NLP）和语音识别的兴趣越来越高。深度学习所基于的深度神经网络（DNN）受到大量数据的训练，能以前所未有的精度解决复杂的任务。 TensorFlow是一个领先的开源软件框架，可帮助构建和训练神经网络。这里有一个很好的资源，可以帮助你开始使用TensorFlow：由Tom Hope、Yehezkel S. Resheff和Itay Leider撰写的“学习 TensorFlow”。