来源：专知本文为书籍，建议阅读8分钟本书带你学习如何构建对行业至关重要的机器学习算法。在未来的几十年里，机器学习和数据科学将改变金融行业。通过这本实用的书，分析师、交易员、研究人员和开发人员将学习如何构建对行...

机器之心专栏机器之心编辑部由颜水成老师带领的 Sea AI Lab 提出了一种多粒度自监督学习框架 Mugs[1]，用以学习不同粒度的非监督特征，从而满足不同下游任务对不同粒度甚至多粒度特征的需求。在相同的实验设置下（相同数据...

选自arXiv作者：Adam Zewe机器之心编译编辑：赵阳、张倩本文提出了训练视觉 Transformer（ViT）的三种数据增强方法：灰度、过度曝光、高斯模糊，以及一种简单的随机修剪方法 (SRC)。实验结果表明，这些新方法在效果上大大优于 ViT ...

机器之心 & ArXiv Weekly Radiostation参与：杜伟、楚航、罗若天本周论文包括 MIT 造出的薄如纸的音响，以及腾讯 AI Lab 用全新策略优化算法在 1 V 1麻将中战胜人类冠军的「绝艺」。目录Mugs: A Multi-Granular Self-Su...

摘要：本篇主要介绍我们构建的oCTS分类器优化训练系统，一个标注人员都可以优化分类器的训练系统。首先介绍了项目背景和目标，oCTS主要针对人工可标注的数据场景又好又快的训练分类器；然后重点介绍了项目技术概要，涉及主动学...

摘要：本篇主要分享了参加公司小布助手知识问答的比赛优化实践记录。首先介绍了背景，通过官方提供的三个数据集介绍了赛题并抽象成NLP相关的任务；然后重点介绍了比赛过程中的优化实践记录以及效果提升情况，分别从无监督学...

摘要：本篇介绍了我们实际项目文本分类任务样本优化实践汇总。首先样本层面优化文本分类任务需要解决如何又快又好的获取人工标注数据集、如何解决样本不均衡问题和如何获取更多的训练样本三个问题；然后通过主动学习可以...

作者 | 桑基韬整理 | 维克多人工智能目前最大的“拦路虎”是不可信赖性，以深度学习为基础的算法，在实验室环境下可以达到甚至超过人类的水平，但在很多实际应用场景下的性能无法保证，而且存在对抗鲁棒性、解释性、公平性等...

来源：机器之心本文约2600字，建议阅读9分钟本文分析了深度学习在路由问题方面的最新进展，并提供了新的方向来启发今后的研究。最近，针对旅行推销员等组合优化问题开发神经网络驱动的求解器引起了学术界的极大兴趣。这篇博...

摘要：本篇主要介绍了项目中用于商业兴趣建模的DSSM双塔模型。作为推荐领域中大火的双塔模型，因为效果不错并且对工业界十分友好，所以被各大厂广泛应用于推荐系统中。通过构建user和item两个独立的子网络，将训练好的两个“...