AFRL machine learning and AI experts develop models for COVID-19 decision-making
空军研究实验室的专家正在应用可解释的机器学习和人工智能方法来开发数千个模型，这些模型可以帮助联邦、州和地方决策者在 COVID-19 疫情期间做出重新开放的决定。
AFRL machine learning and AI experts develop models for COVID-19 decision-making
空军研究实验室的专家正在应用可解释的机器学习和人工智能方法来开发数千个模型，这些模型可以帮助联邦、州和地方决策者在 COVID-19 大流行期间做出重新开放的决定。
Performance Comparison: JavaScript vs. Python for Machine Learning
在我之前的文章中，我讨论了使用 JavaScript 进行机器学习的利弊。我深入研究了它在 ML 任务上的表现是否与基于 Python 的解决方案一样好。现在，我已经对编程语言进行了测试。我使用了几个模型来衡量 Javascript 在机器学习中的表现，对实际结果进行了基准测试 […]文章性能比较：机器学习的 JavaScript 与 Python，由 DLabs.AI 提供。
#95 – Dawn Song: Adversarial Machine Learning and Computer Security
Dawn Song 是加州大学伯克利分校的计算机科学教授，研究方向为安全，最近专注于计算机安全与机器学习之间的交集。通过注册以下赞助商来支持此播客：– Cash App - 使用代码“LexPodcast”并下载：– Cash App（App Store）：https://apple.co/2sPrUHe– Cash App（Google Play）：https://bit.ly/2MlvP5w 剧集链接：Dawn 的 Twitter：https://twitter.com/dawnsongtweetsDawn 的网站：https://people.eecs.berkeley.edu/~daw
#93 – Daphne Koller: Biomedicine and Machine Learning
Daphne Koller 是斯坦福大学计算机科学教授，与 Andrew Ng 共同创立了 Coursera，也是机器学习和生物医学交叉领域的公司 insitro 的创始人兼首席执行官。通过注册以下赞助商来支持此播客：– Cash App - 使用代码“LexPodcast”并下载：– Cash App（App Store）：https://apple.co/2sPrUHe– Cash App（Google Play）：https://bit.ly/2MlvP5w 剧集链接：Daphne 的 Twitter：https://twitter.com/daphnekollerDaphne 的网站：
PUBLICATION NOTICE: Spatial Downscaling Disease Risk Using Random Forests Machine Learning
链接：http://dx.doi.org/10.21079/11681/35618报告编号：ERDC/GRL TN-20-1标题：使用随机森林机器学习空间降尺度疾病风险 作者：Sean P. Griffin 已批准公开发布；分发不受限制 2020 年 2 月目的：对于国防部 (DoD) 以及更广泛的国内和国际公共卫生界来说，蚊媒疾病都是一个重大的公共卫生问题。需要彻底掌握这些疾病的空间分布、模式和决定因素，才能真正了解它们对公共卫生造成的威胁（Pages et al. 2010）。这些信息即使有，通常也只是在次国家到区域范围内。当疾病表现出较高的局部变异时，此类数据无法满足战术级应用（Rytk
Отслеживание взгляда человека позволит улучшить алгоритмы машинного обучения
Некоторые психологические исследования показывают, что взгляд может передавать намерения человека при вполнении пов седневных задач, например, во во время приготовлении пищи. Похожим образом отслеживание взгляда повышает эффективность методов обучения роботов за счет имитации поведения овека，демонст
#74 – Michael I. Jordan: Machine Learning, Recommender Systems, and the Future of AI
Michael I. Jordan 是伯克利大学的教授，也是机器学习、统计学和人工智能历史上最具影响力的人物之一。他的文章被引用超过 17 万次，并指导了许多定义当今人工智能领域的世界级研究人员，包括 Andrew Ng、Zoubin Ghahramani、Ben Taskar 和 Yoshua Bengio。剧集链接：（博客文章）人工智能——革命尚未发生此对话是人工智能播客的一部分。如果您想获取有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridma
GAO 的发现根据机构官员等利益相关者的说法，机器学习——人工智能 (AI) 的一个领域，其中软件从数据中学习以执行任务——已经用于药物开发，并具有改变该领域的潜力，行业代表和学术研究人员。机器学习应用于整个药物开发过程，可以提高其效率和有效性，减少将新药推向市场所需的时间和成本。这些改进可以通过更快地向有需要的患者提供药物来拯救生命并减少痛苦，并且可以让研究人员在罕见或孤儿疾病等领域投入更多资源。机器学习可以加速药物开发这套技术可以筛选更多化合物并在比当前过程更短的时间内将有前途的候选药物归零。药物开发早期步骤中的机器学习示例包括：药物发现：研究人员正在识别新的药物靶标，筛选用于新治疗应用的
NAVFAC EXWC, RDP-21 to Partner in a Cyber, Control Systems, Machine Learning Industry Day
NAVFAC EXWC 和 RDP-21 主办网络、控制系统和机器学习行业日，参与者将了解创新以及与美国军队合作的机会。
Review : Stanford's Online Artificial Intelligence Courses - Deep Learning and Machine Learning
你好！我已经入读斯坦福大学并在网上学习他们的课程。以下是我目前所学课程的一些看法。CS224n - 自然语言处理与深度学习 (Manning 教授)难度：4/5 (中等)预期内容：了解应用于 NLP 的最先进的 (SoTA) 深度学习技术。关键主题：问答文本摘要词性标记序列到序列模型Transformers为您提供了NLP发展方向的非常好的概述，家庭作业很有挑战性，但允许您实现最新的神经架构来解决各种语言问题。我的课堂项目：BertQA（github上99*颗星）- 荣获班级最佳项目奖CS231n - 用于视觉识别的卷积神经网络（Li教授和Justin Johnson）难度：4/5（中等）预期
Michael Kearns: Algorithmic Fairness, Bias, Privacy, and Ethics in Machine Learning
Michael Kearns 是宾夕法尼亚大学的一名教授，也是新书《道德算法》的合著者，这本书是我们大部分对话的焦点，包括算法公平性、偏见、隐私和一般道德。但这只是 Michael 作为世界级研究人员的众多领域之一，我们会快速涉及其中一些领域，包括学习理论或机器学习的理论基础、博弈论、算法交易、量化金融、计算社会科学等。本次对话是人工智能播客的一部分。如果您想获取有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook、Medium 或 YouTube 上与 @lexfridman 联系，您可以在那里观看这些对话
由于使用 Libelium Plug&Sense 进行温度监控，Voshchazhnikovo 农场的牛奶产量从每头牛每天 28 升增加到 33 升！智慧农业
领先的专家、工程师和开发人员将在活动中发言，准备与同事分享真实案例。预计三流。超过25份报告。许多在商业中实施机器学习的实际案例、开发项目时的陷阱以及技术趋势。
Алгоритмы машинного обучения прогнозируют опасные мутации в клетках
DNA 测序或建立核苷酸序列的技术为医学开辟了新的机遇 - 现在，对 DNA 片段或蛋白质中的氨基酸序列的分析可用于诊断和治疗。即使DNA看似微小的变化也可能是严重疾病的征兆。
