如何优雅地躲避学术地雷 | AI阅读研究所·第1期

策划 / 晋阳

编辑 / 吴璇

数字时代的今天，从各个渠道涌来的各种碎片化信息数不胜数。对于 AI 领域，每天会涌现一大波国内外的技术博文、论文、文档等等。

习惯了速读的你有没有问过这样一个问题：这篇文章真的有价值吗？

社长在阅读许多技术博客译文的时候发现，除了部分翻译曲解原意之外，原文本身的价值也有待重新衡量。再者由于一些媒体并未对博文经过合理筛选，只为蹭热点或者利用大IP提升阅读量，“造就”了不少低含金量的内容。

于是，社长决定做这样一个栏目：既帮助大家保持阅读的好习惯，又能一起来甄别出有价值的内容，供大家学习。

在这里，你也可以成为AI阅读研究员。

 * 第1期全部文章，点击【阅读原文】获得资源

▼▼▼

／1／

5 Ways to Get Started with Reinforcement Learning 

#Reinforcement Learning   #Training Framework

#Hierarchical Deep Learning

“本文简单形象地介绍了强化学习训练框架以及分层强化学习，给出了5种reinforcement learning的入门方法，文章内附带了相关知识的具体学习资源。”

研究员：Jakie Chan (名古屋大学计算力学方向博士，主要从事计算力学数值方法研究）

https://buzzrobot.com/5-ways-to-get-started-with-reinforcement-learning-b96d1989c575

／2／

The Future of Artificial Intelligence: Predictions for 2018

#Artificial intelligence  #Predictions

“把技术细节留给科学家，工程师解决，文章给出了未来两年，人类能够受益的领域里最令人振奋的人工智能发展，包括医护，金融，客户体验等。未来的人工智能有太多的潜力需要我们发掘，它的应用依赖于技术的发展，更依赖于我们想象力的空间。”

研究员：Jakie Chan

https://www.exastax.com/artificial-intelligence/the-future-of-artificial-intelligence-predictions/

／3／

How we use Convolutional Neural Networks to estimate the layout of a room

#CNN  #images in the wild  #application

“我个人觉得它的技术不真实，很有可能就假的，如果没有在线demo的话就完全不可信。而且1(b)图就不对劲，像素级别的切割肯定不是那样的结果，全文缺少细节。要么只有这张图片是找的特例，要么就是手工画的。强烈不推荐。”

研究员：叶腾琪（都柏林城市大学PH.D）

https://medium.com/@digitalbridge/how-we-use-convolutional-neural-networks-to-estimate-the-layout-of-a-room-4808add50d5f

／4／

Dropout: A Simple Way to Prevent Neural Networks from Overfitting

#Deep learning  #tuning tricks

“随着AlexNet惊艳问世，一个词就可以形容Drop-out技术，大道至简。深度网络因为参数多的缘故，非常容易过拟合。抗拟合的方法有许多，包括经典的regularizer,earlystopping等。普遍认为，Drop-out是一个想法简单、实现容易的方法，但很多初学者却又难以搞懂弄透。推荐的理由是该文可以满足多层次需求，无论小白还是砖家都能获益匪浅。读者可以通过该文体验一把做学术阅读的感觉。”

研究员：叶腾琪

http://jmlr.org/papers/v15/srivastava14a.html

／5／

The Step-By-Step PM Guide to Building Machine Learning Based Products

#Product management  #software engineer

“1、从业务需求出发分析机器学习的落地；2、介绍机器学习会有哪些坑，并教你如何应对；3、从产品经理视角审视机器学习模型研发的全过程；4、教你如何组建与管理你的机器学习研发团队；5、有机器学习赋能的产品给用户带来的体验；6、研发人员需要考虑产品的实时性，数据模型依赖，数据的收集频率与收集方法。”

研究员：吴楚（算法工程师）

https://medium.com/@yaelg/product-manager-pm-step-by-step-tutorial-building-machine-learning-products-ffa7817aa8ab

／6／

How I replicated an $86 million project in 57 lines of code

#车牌识别  #车联网  #防盗

“怎么用57行代码解决一个8600w美金的项目？作者用少量代码实现一个本地图像处理程序，通过无数出租车上的车载摄像头实现完整的车辆防盗系统，天网恢恢疏而不漏，技术的力量难以预估。 ”

研究员：王奇文（前BAT资深工程师）

https://medium.freecodecamp.org/how-i-replicated-an-86-million-project-in-57-lines-of-code-277031330ee9

 * 第1期全部文章，点击【阅读原文】获得资源

关注 AI 研习社（okweiwu），回复 1 领取

【超过 1000G 神经网络／AI／大数据、教程、论文！】

后台回复 “我要进群” 加入 AI 技术讨论群

点击【阅读原文】获得原文资源

▼▼▼