吴恩达离职百度 | 一别两宽,各奔前程
图1 外媒报道
------------------
【福利】2017云栖大会深圳峰会
3月27-29日,37场分论坛,100余嘉宾
阿里云总裁、CTO及首席科学家到场分享
涵盖全球技术热点
点击文末阅读原文
免费限时报名
报名详情见文末
------------------
这个离开状似突然
3月22日,吴恩达(Andrew Ng)在英文自媒体平台Twitter等个人社交平台发表公开声明,表示自己即将从百度离职,关于去向,吴恩达的表述留下了令人遐想的空间——“我未来的工作除了推动大公司使用人工智能,还包括丰富的创业机会以及进一步的人工智能研究”。
图2 吴恩达社交主页更新
就在吴恩达发布离开的个人声明不久,百度官方也迅速发表了充满情怀的声明文章——《Hey, Andrew, 友谊地久天长!》,散发着“我们和Andrew是和平分手,祝彼此都有似锦前程”的味
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
从主机到深度学习集群:IBM的语音之路
作为深入学习应用的一部分,语音识别和机器翻译领域已经产出了大量的工作,像我们所熟知的百度、Google和腾讯在这方面都有很多令人熟知的成果。虽然应用本身就是很有意思了,但更值得我们去研究的是当人们对于一些最难的机器学习问题有最新的思考时,研究人员是如何通过调整代码和系统来解决问题的。当我们想要去回溯语音识别和机器翻译的基础时,IBM给我们提供了部分最久远的历史,尽管可能这部分历史相对和深度学习相关性不是特别高。 IBM在语音和语言算法上的研究有36年的历史。IBM的Waston多模式部门高级经理Michael Picheny在很大程度上通过改变了代码和所需的系统推动了语音识别的发展。虽然像许多其他大规模机器学习玩家一样,IBM也大量部署了神经网络的GPU,但语音识别发展的道路同样还是漫长而复杂。先进的神经网络模型结合上能够实时和大规模运行的硬件,也就是这几件才出现的事。这个组合的出现致使IBM转向了语音算法的开发和部署。 Picheney回忆到,当年他加入IBM的时候,IBM是市面上唯一一家用统计和计算方法进行语音分析和识别的公司。其他公布都专注在语音潜在流程的物理建模上。“IBM是唯...
- 下一篇
深度学习论文阅读路线图
1.深度学习历史和基础 1.0 书籍 1.1调查 1.2 深度信念网络(DBN) (深度学习开篇的里程碑) 1.3 ImageNet进展(深度学习从此爆发) 1.4语音识别进展 阅读完上面这些论文后,通过对深度学习模型(包括CNN,RNN,LSTM)的基础框架,以及深度学习如何应用于图像和语音识别问题的理解,你将会对深度学习的历史有一个基本的认识。下面的论文将带你深入理解深度学习模型,深度学习在不同领域的应用和前沿。我们建议你根据自己的兴趣和研究方向选择下面的论文进行阅读。 2深度学习方法 2.1模型 2.2优化 2.3无监督学习/深度生成模型 2.4RNN/ Sequence-to-Sequence模型 2.5神经图灵机 2.6深度强化学习 2.7深度迁移学习/终生学习/强化学习 2.8One Shot深度学习 3应用 3.1NLP(自然语言处理) 3.2目标检
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS7安装Docker,走上虚拟化容器引擎之路
- CentOS6,CentOS7官方镜像安装Oracle11G
- CentOS8编译安装MySQL8.0.19
- Windows10,CentOS7,CentOS8安装Nodejs环境
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- Eclipse初始化配置,告别卡顿、闪退、编译时间过长
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- SpringBoot2整合Redis,开启缓存,提高访问速度