学习
港科大郭毅可团队招收创造性AI方向博士生、博士后、研究助理
本期将为大家介绍港科大郭毅可教授团队招收创造性AI方向2023 年秋博士生、博士后、RA的相关信息，博士后和RA随时入职研究项目香港研资局资助的主题研究项目 “香港人机共生艺术创造平台技术建设”，旨在探索新的人机共生创造基础理论和系统，涉及 ai 创造和审美、虚拟和增强现实、ai 同理心、神经科学和区块链技术等多个交叉学科。申请者将与跨学科研究人员合作，为人工智能艺术开发前沿算法和系统。关于团队负责人郭毅可教授： ... of-guo-yike-provost关于 ai-art 项目 (trs)： ... lay_
把游戏AI用于疾病诊断，腾讯AI Lab一研究成果登上国际顶会
12月19日，腾讯AI Lab发布其决策智能 AI 「绝悟」的最新成果「绝悟RLogist」，将 AI 深度强化学习技术迁移到病理全片扫描图像诊断领域，在性能接近的情况下，将传统病理阅片效率提升400%。该研究相关论文被国际人工智能顶级学术会议 「AAAI 2023」接收，代码已开源。「绝悟」AI 是腾讯将游戏场景与人工智能技术进行融合研究的核心探索之一，此前先后在 MOBA、RTS、3D开放世界（Minecraft）等多类型游戏中取得了业界领先的研究成果，证明了其在游戏复杂环境中较为优秀的决策智能水平。本次发布的
这是NeurIPS 2022学术交流活动上的一则招人贴
「TalentAI」将持续带来人工智能相关在招职位信息，欢迎正在找工作与看新机会的朋友关注，也欢迎企业伙伴与我们联系合作。今年 NeurIPS 已是第 36 届，将于 11 月 28 日至 12 月 9 日举行，为期两周。第一周将在美国新奥尔良 Ernest N. Morial 会议中心举行现场会议，第二周改为线上会议。9 月下旬，NeurIPS 公布了今年的论文接收情况，一共提交了 10411 篇论文，2672 篇获接收，最终接收率为 25.6%。为了给国内 AI 社区从业者搭建一个自由轻松的学术交流平台，机器之
还未入职，这位将来的博导为学生规划了一条高效学习之路
学无止境，但合理规划学习和研究将助力你提高博士生涯的学习成效。
直播预约 | “BT + IT ”，这场论坛邀您共论生物计算产业发展新范式
9 月 2 日 13:00，2022 上海生物计算论坛，精彩相约！随着 AI 生物学计算应用的逐渐广泛，生物计算已经成为人工智能发展的下一个明珠。依托上海强大的生物医药和人工智能产业基础，在世界人工智能大会组委会办公室指导下，由上海市生物医药产业促进中心、上海市人工智能行业协会、机器之心发起并联合主办，上海中青年知识分子联谊会、上海市经济和信息化系统中青年知识分子联谊会协办 2022 上海生物计算论坛，论坛将于 9 月 2 日下午在张江科学会堂 303 举办。活动旨在衔接政府、药企、医院、研究机构、创新企业等产业
「声纹识别」中文课上线：从理论到编程实战，谷歌声纹团队负责人主讲
对任意一个领域的学习，如果有人可以指导你完成从基本概念、实践方法到系统认知的构建，你的职业发展将事半功倍。声纹识别领域，现在就有这样一门课程刚刚上线。
《几何深度学习》作者授课，2022年GDL100课程上线
今年的 GDL100 包含常规课程、辅导课和专题研讨课，深入讲解了几何深度学习的基本概念和重要问题。
Creator 面对面 | 通往第三代人工智能的理论之路如何走？
人工智能已经是一门使能技术。未来人工智能取得突破性的领域方向，一定是从脑科学、材料学等领域得到了启发。同时，人工智能在未来将成为科学家的新生产工具，催生科研新范式。
Creator 面对面 | 自监督学习范式未来能够在强化学习中发挥关键的作用
我们都知道自监督学习在 CV 和 NLP 领域都有比较广泛的应用，比如大模型 BERT、GPT-3 等训练，其实最核心的技术就是基于自监督学习的技术。
那么在 CV 和 NLP 领域都取得成功的自监督学习，是否可以被借鉴或是利用到强化学习领域呢？
Creator 面对面 | 面向统一的 AI 模型架构和学习方法
随着 AI 的兴起，不同领域的相关研究热火朝天，各种各样的 AI 模型框架和学习方法扑面而来，各不相同。那么是否能有一种统一的模型架构和学习方法来解决不同领域的不同问题呢？让我们来听听怎么看。
耗时3个多月、总结过往5年，马毅曹颖沈向洋撰文智能两大原则
在深度网络和人工智能复兴十年后，本文提出了一个理论框架，并提出了两个基本原则——简约性和自洽性，视它们为人工智能的基石。
这个夏天，跟陈天奇学「机器学习编译」中英文课程，6月17日开课！
陈天奇：「因为世界上还没有关于这个方向的系统性课程，所以这一次尝试应该会是和小伙伴们共同的探索」。随着机器学习框架和硬件需求的发展，机器学习 / 深度学习编译正成为一个越来越受关注的话题。在去年 12 月的一篇文章中，TVM、MXNET、XGBoost 作者，CMU 助理教授，OctoML CTO 陈天奇探讨了「新一代深度学习编译技术的变革和展望」。他指出，现在深度学习编译生态正围绕四类抽象展开：计算图表示、张量程序表示、算子库和运行环境、硬件专用指令。不过，由于篇幅受限，陈天奇并未就这一话题展开系统、详细的讨论，
5月25日！联邦学习安全效率与开源生态论坛即将开幕
当下，人工智能与大数据已经渗透到生产生活的方方面面。在保护数据安全的前提下释放数据价值成为社会发展的必然需求，隐私计算联邦学习作为隐私增强计算与人工智能相结合的新型技术范式，将迎来怎样的技术方向和应用创新？可信联邦学习如何平衡安全、可用的双目标？加快培育数据要素市场，给产学研各界带来怎样的机遇？由中国信息通信研究院云大所、清华大学智能产业研究院、深圳数据交易有限公司共同指导，FATE开源社区、开放群岛（Open Islands）开源社区、智能投研技术联盟（ITL）联合主办的“联邦学习安全效率与开源生态”线上论坛议程
谷歌、Meta如何给大模型瘦身？谷歌工程师亲述部署秘籍（免费书）
这是一本正在写作的新书，目前前四章已经放出了草稿。
上线十年，影响一代ML工程师，吴恩达经典《机器学习》课程迎来重磅更新
Keep Learning！
370多页免费书籍，三位学者带你专攻深度学习中的数学知识
期待即将到来的章节。
295页博士论文探索强化学习抽象理论，获AAAI/ACM SIGAI博士论文奖提名
除了论文本身超有技术含量之外，文中使用的图表也非常美观漂亮。
对比学习引领弱标签学习新SOTA，浙大新研究入选ICLR Oral
本文介绍浙江大学、威斯康星大学麦迪逊分校等机构的最新工作 PiCO，相关论文已被 ICLR 2022 录用（Oral, Top 1.59%)！偏标签学习 (Partial Label Learning, PLL) 是一个经典的弱监督学习问题，它允许每个训练样本关联一个候选的标签集合，适用于许多具有标签不确定性的的现实世界数据标注场景。然而，现存的 PLL 算法与完全监督下的方法依然存在较大差距。为此，本文提出一个协同的框架解决 PLL 中的两个关键研究挑战 —— 表征学习和标签消歧。具体地，研究者提出的 PiCO