当标记样本有限时，作为一种利用大量未标记样本的新范式, 自监督学习（Self-Supervised Learning，SSL）正在兴起。SSL在自然语言和图像学习任务上取得了很好的性能。最近，有一种趋势是使用图神经网络将这种成功扩展到图数据。...

我们可以通过借鉴互联网的发展来一窥未来的人工智能行业。早期互联网行业是一个专门领域，后来出现了“互联网+”，互联网成了一种技术、一种模式、一套体系方法，可以被各种企业和行业借鉴应用。...

大家在做模型的时候，往往关注一个特定指标的优化，如做点击率模型，就优化AUC，做二分类模型，就优化f-score。然而，这样忽视了模型通过学习其他任务所能带来的信息增益和效果上的提升。通过在不同的任务中共享向量表达，我们能够...

监督学习指的是训练样本包含标记信息的学习任务，例如：常见的分类与回归算法；无监督学习则是训练样本不包含标记信息的学习任务，例如：聚类算法。在实际生活中，常常会出现一部分样本有标记 (labeled) 和较多(通常认为远多于)...

图深度学习已经展示了其在学习丰富的图结构数据上的有效性。并且在许多问题上取得了重大进展， 例如药物发现、社交网络、物理仿真等。许多图深度学习框架（如 PyG，DGL 等）主要关注实现基本的图深度学习模块和基础任务，比如...

2021 年伊始，机器之心发布《2020-2021 全球 AI 技术趋势发展报告》，基于顶会、论文及专利等公共数据、机器之心专业领域数据仓库，通过数据挖掘定位七大趋势性 AI 技术领域。...

视觉模型的性能是架构、训练方法和扩展策略的综合结果。但是，研究往往只强调架构的变化。新架构是促成诸多进展的基础，但与新架构同时出现的通常还有训练方法和超参数变化——一些关键但很少公开的细节。此外，通过现代训...

今天，人工智能(AI)已经经历了令人印象深刻的进步。根据机器逻辑独立执行智能任务的能力，人工智能可以分为三个不同的层次:

对于监督学习而言，回归和分类是两类基本应用场景；对于非监督学习而言，则是聚类和降维。K-means属于聚类算法的一种，通过迭代将样本分为K个互不重叠的子集。...

单细胞测序与机器学习是当今最热门两个热点之一。那么单细胞加机器学习又能够碰撞出怎样的火花呢？从这期推文开始，将会通过耶鲁大学krishnaswamylab实验中的教程，和大家一起从头学习机器学习在单细胞中的应用。...