國外比較有名的機器學習、計算機視覺相關論壇有哪些?


小夕只推一個:Quora。

之前嘗試過刷stackoverflow,刷Google+,刷Facebook相關主頁。最終唯一一個堅持下來並且完全停不下來的就是Quora!

最大的原因是,quora跟知乎很像(好像反了),逛技術貼的時候,沒有幾個人喜歡一頭扎在細節里(比如有個人問「誒?我這段代碼為什麼不能運行?」,這種問題你願意看嗎?),所以放棄了刷stackoverflow,僅僅是在遇到細節性問題的時候會去stackoverflow找答案或者提問。

Google+我感覺信息太散。雖然有圈子,但是圈子裡的內容而已,並沒有很多讓我眼前一亮的,也可能我沒有找到高質量的圈子。

Facebook也刷了一段時間,比如MIT主頁,Stanfoed主頁,Berkeley主頁等。這裡最大的問題就是文章往往太長...很多高質量文章,但是經常看不了一半看不下去了,久而久之就不想點了。

Quora則恰好達到了這個平衡點。比如Andrew Ng寫的很多回答:

寫的通俗易懂而且很棒,有時甚至讓人感覺get到了不得了的秘密。

除了關注這些行業大牛,更重要的是像知乎一樣關注話題,下面是小夕關注的話題:

大家可以自己看著關注~總之現在刷quora就是一種享受,推薦的內容特別高質量,而且都不長,不容易疲勞。

還有非常重要的一點,quora的UI簡直棒呆啊,可愛爆了~

最後推薦一下自己的微信訂閱號【夕小瑤的賣萌屋】,據說每個想學機器學習的人進來後都停不下來了( ̄? ̄)


這個不錯,也有教授參與。
Machine Learning


github,首推tensorflow和pytorch


reddit 機器學習板塊。


cvchina


機器視覺論壇:視覺計算研究論壇,不過我不怎麼上。買些書看看吧,討論氛圍不熱烈。


訂閱大牛們的google+, Twitter和微博


引言:

谷歌正在開發下一代機器學習框架; 1,無黑盒問題, 2,學習效率更高(可像兒童一樣看兩眼認識西紅柿) 3,學習過程更靈活可控(因為這條,據說甚至可運行在手機終端上)

SMG_NothingIsAll項目介紹:

1,基於能力開發(可自學各種語言) 2,不依賴演算法的後天能力(除視覺等先天功能) 3,可運行於終端(包括手機) 4,AGI(可學習開車,也可以學習作家務)

人工智慧系統大致結構:

Input-&>Feel-&>Understand-&>Store Mind-&>Understand-&>Feel-&>Output

Input(負責多媒體輸入,注意力性能優化)

  • 視覺
  • 物體,行為,表情,人臉等
  • 聽覺
  • 文本
  • 網路
  • ...

Feel(負責輸入數據的解析取屬性等)

  • 視覺
  • 物體(圖像,細節追加)
  • 行為(行為定義)
  • ...
  • 聽覺
  • 像人類一樣聽語言
  • 文本
  • 沒有分詞系統(全部使用Understand和Store工作)
  • ...

Understand(比較是人類最基本的運算能力)

1,思考:分解輸入的內容並存Memory和MK,分析記憶中的規律並存Logic

  • Input
  • 唯一性判斷(與Input和Store的往返交互)
  • 注意力
  • 分解,找不同
  • 規律,找相同

2,決策:

  • Mind產生的輸出需求決策
  • 任務隊列的任務決策

Mind(細膩,豐富)

1,自我感知(電量,安全性,我是誰)2,冥想(用於調用Understand冥想整理記憶中的邏輯)3,產生需求(充電需求,溝通需求,安全需求,快樂需求)4,審美(先天標準)5,七情六慾(先天定義)6,創造力7,好奇心

Store(記憶,圖譜,邏輯,習慣,GC等)

1,Memory記憶數據2,MK知識圖譜3,Logic邏輯

總結:

1,人類也是一台複雜的機器
2,所謂意識,只是Mind先天功能的體現
3,越完美的機器學習越需要完善的世界交互)
4,只有AGI才是真正的人工智慧
5,先天不需要數據,後天依賴數據
6,關於智力爆炸(這是個安全問題,1,建立在無黑盒的基礎上研發AI 2,我將把NothingIsAll閉源)
7,人法地,地法天,AI法人;恆且久者唯此道也;

參考資料:

https://www.github.com/jiaxiaogang/SMG_NothingIsAll----轉載請申請,文章來自"赤臂生"


沒人說kaggle么?


Stack flow, quora , reachergate


推薦閱讀:

微軟小冰測顏值為什麼這麼准?
你讀過的 機器學習/數據挖掘 頂級會議論文中最水的是哪一篇?
如何寫學術論文的rebuttal?
為什麼計算機科學專業背景的人喜歡黑機器學習?

TAG:圖像處理 | 人臉識別 | 機器學習 | 計算機科學 | 計算機視覺 |