The three AI adoption strategies
AI 有多种不同的形状和大小。这适用于用例、底层技术以及在您的组织中采用 AI 的方法。由于许多组织都在寻求采用 AI，因此各行各业的领导者都越来越需要有形的框架来从商业角度理解这项技术。领导者提出的一些关键问题很简单。采用 AI 并通过 AI 解决业务问题需要多少时间和金钱，以及我们从这些努力中获得什么回报？这些问题非常合理，但回答这些问题是一个两方面的问题。首先，答案是一个不断变化的目标，因为技术正在呈指数级发展，因此昨天的答案在今天看来已经过时了。其次，AI 的无形性和探索性使得提供这样的答案变得非常困难。但随着 AI 作为一项技术日趋成熟，并被打包成产品和现成的解决方案，这些问题已经准
随着休假和飞行减少，我从中线持有者变成了倒数第二。长期的读者可能还记得 2008 年我处于最底层的时候。我以前也经历过这种情况。谢天谢地，现在不再有机场待命了。我已经连续 3 个月做短期呼叫储备。12 月，我整个月都处于正确的位置......我只工作了 5 天......只过夜 2 次。我很庆幸我还有工作。我没有抱怨。1 月我有一周的假期。1 月的假期很初级，因为这不是一个理想的度假月份。我没有计划。我目前正在进行为期 4 天的旅行。这是一次惊喜的旅行，因为当我看到它进入开放时间时，计算显示我勉强够格。结果我是唯一可用的飞行员。因此我得到了它。我比规定时间提前 13 分钟。这次旅行还不错。这是
What is artificial intelligence? - The pragmatic definition
人工智能没有明确的或学术上正确的定义。常见的定义通常将人工智能定义为以类似人类的方式执行任务并模拟智能行为的计算机模型。事实是，对于你向人工智能领域的每位专家询问定义，你都会得到一些新的定义变体。在某些情况下，你甚至可能会得到非常虔诚的教育，即只有系统包含深度学习模型才是人工智能。你是否问过许多初创公司创始人他们的系统是否包含人工智能，即使它只是一个非常简单的回归算法，就像我们在 Excel 中已经使用很久了一样。事实上，一家风险投资基金最近发现，声称是人工智能初创公司的初创公司中，只有不到一半的公司实际上拥有任何类型的人工智能。那么什么时候是人工智能？我的定义非常务实。对我来说，人工智能有一
What is data operations (DataOps)?
当我撰写有关 AI 的文章时，我经常提到数据操作，以及它对大多数 AI 解决方案的重要性。如果没有适当的数据操作，您很容易陷入这样的境地：处理必要的数据将变得过于困难和昂贵，以至于 AI 业务案例毫无意义。因此，为了稍微澄清一下，我想让您了解它的真正含义。数据操作是以安全且经济高效的方式获取、清理、存储和交付数据的过程。它是业务战略、DevOps 和数据科学的混合体，是许多大数据和 AI 解决方案的底层供应链。数据操作最初是在大数据领域创造的，但在后来几年已成为一个更广泛使用的术语。数据操作是最重要的竞争优势正如我之前在许多帖子中提到的那样，当试图击败竞争对手时，我认为数据操作比算法开发更重要
I used GAN and a 330 BC sculpture to find out what Alexander the Great looked like
看吧世界——我给你亚历山大大帝——用 GAN 来解释背景：我使用 GAN 或（生成对抗网络）、Leochares 于公元前 330 年制作的亚历山大大帝半身像以及艺术家 Jude Maris 绘制的亚历山大面部照片，创作了一幅栩栩如生的亚历山大大帝肖像。最终产品：用 GANA 解释亚历山大大帝生成对抗网络 (GAN) 是由 Ian Goodfellow 设计的机器学习框架。该概念最初发表在 2014 年的论文《生成对抗网络》中。核心思想是创建一个系统，其中两个神经网络在游戏中相互竞争，生成具有与训练集相同统计数据的新数据。例如，用照片训练的 GAN 可以生成至少在表面上看起来对人类观察者来说真
FNN-VAE for noisy time series forecasting
在这个关于使用假最近邻 (FNN) 损失进行预测的迷你系列的最后一部分中，我们用卷积 VAE 替换了上一篇文章中的 LSTM 自动编码器，从而实现了相同的预测性能，但训练时间明显缩短。此外，我们发现，当底层确定性过程被大量噪声所掩盖时，FNN 正则化会大有帮助。
PUBLICATION NOTICE: A Comparison of GenCade, Pelnard-Considere, and LITPACK
目的：本海岸和水利工程技术说明 (CHETN) 的目的是通过运行一系列简化的测试用例并将结果与另一个数值海岸线演化模型和分析模型进行比较，研究 GenCade 的基本物理和数值代码。解决方案。互补的数字代码是广泛使用的海岸线演化模型 LITPACK。分析模型是 Pelnard-Considere (1956) 导出的原始解。所有三种方法的基本假设是海滩轮廓形状恒定，因此海岸线变化是由长岸运输过程和独立沉积物源或汇（例如海平面变化、沉降）的组合驱动的。 CHETN 对模型背后的理论进行了描述性概述，然后使用一组四个测试案例进行相互比较，这些测试案例涉及理想化沿海结构和海滩营养附近的海岸线变化
摘要：浅层声反射（线性调频）数据已被用来绘制各种水环境中底层地层的高程。河流地区特别令人担忧的是近地表下伏岩石的抬高，如果在沉积地床形态正常迁移过程中暴露，可能会导致在低水位期间通过该地区的船只搁浅和损坏。考虑到岩石暴露的短暂性，当岩石被一层薄薄的沉积物覆盖时，传统的测量方法不足以绘制岩石地图，从而增加了潜在的危险。因此，美国陆军工程兵团圣路易斯地区 (MVS) 探索使用线性调频海底勘测来识别密西西比河内密西西比州开普吉拉多和伊利诺伊州底比斯附近的埋藏岩石。生成了显示埋藏岩石分布的危险地图，并在可能的情况下确定了移动沉积物层的底部。这些数据将使 MVS 能够在低水位期间准确识别潜在危险区域。尽
Representation learning with MMD-VAE
与 GAN 一样，变分自动编码器 (VAE) 通常用于生成图像。然而，VAE 增加了一个额外的承诺：即对底层潜在空间进行建模。在这里，我们首先看一个最大化证据下限的典型实现。然后，我们将其与 Info-VAE（信息最大化 VAE）系列中较新的竞争对手之一 MMD-VAE 进行比较。
Recursions for the Moments of Some Discrete Distributions
您可以说，“矩决定分布”。虽然这并不完全正确，但非常接近。概率分布的矩提供了有关底层随机变量行为的关键信息，我们将这些矩用于多种目的。在继续之前，让我们先确保我们的观点一致。一些背景假设我们有一个随机变量 X，其分布函数为 F(x)，其中 x 是 X 的某个值。以下引文来自我的一篇旧博客文章：“有时被称为“矩问题”的东西告诉我们：如果分布的所有矩都存在，那么了解这些矩就等同于了解分布本身。换句话说，矩完全定义了分布。但是，请注意上面结果陈述中的“如果”一词。这是一个非常大的“如果”！问题是，对于许多分布，矩仅在某些条件下存在；对于某些分布，部分或所有矩都无法定义。在这些情况下，“定理”的帮助有
