nips（nerual information processing systems）是人工智慧、機器學習領域的頂級學術會議，恰逢深度學習火熱，今年於12月7日召開的第30屆nips 2016會議更是快成為「盛會」了——2500多篇高質量**投稿，超過5000人的參會規模，andrew ng、ian goodfellow、yann lecun等深度學習領軍人物雲集與此。
得益於現如今網際網路技術的發展，足不出戶便可一覽全世界熱點資訊，小蝦公尺特意蒐集了nips 2016會議的一些資訊，總結了如今深度學習領域的一些最新進展，與江湖好友們一同分享～
ian goodfellow在會上介紹了關於對抗生成網路gan的最新研究進展，雖有託的嫌疑，但yann lecun將其稱之為「20年來神經網路領域最令人興奮的想法」也足以說明了gan在深度學習領域將佔據重要一席之地。其基本思想是同時構建生成網路和判別網路，通過兩者生成-檢測的博弈對抗，以其零和博弈結果作為優化損失函式不斷逼近目標。最新的研究進展已可實現計算機自動生成類似於imagenet上的真實影象。
不負眾望，google deepmind團隊帶來了關於遷移增強學習最新進展，在遊戲**環境裡ai**通過增強學習實現未來機械人智慧型遷移學習，可以預期，類似於alphago戰勝李世石，通過遷移增強學習構建遊戲的人工智慧ai將在遊戲競技中戰勝人類冠軍也將是不遠的未來。更讓小蝦公尺興奮不已的是，遷移增強學習將虛擬實境和人工智慧兩個領域架上了一座橋梁，指明了大好的前景方向。one more thing，deepmind lab開源了！
如果說用一句話總結2023年最著名的論斷，那一定是yann lecun的「蛋糕理論」了，即純強化學習模擬於蛋糕上的櫻桃，直觀好看但樣例少；有監督學習結合了人的經驗模擬於蛋糕上的忌廉，內容增多了但仍浮於表層；而無監督學習或者**學習才是整個蛋糕，還能處理表層之內被遮擋的慕斯。kyle cranmer模擬於此，人工智慧系統其實只是櫻桃，資料科學是忌廉，整個蛋糕則對應於更複雜的資料工程。嗚呼哀哉，好大的蛋糕（坑）啊～
資料科學武林風起雲湧，
隨資料小蝦公尺共闖江湖~
深度學習2016主要進展
機器學習一大挑戰是 unsupervised learning 非監督學習 2016年在非監督學習領域最主要的就是在generative models 生成模型 上的研究，還有乙個就是人機互動 所要達到的目標 方面的研究，google和facebook在這一領域研究出一些方法，在自然語言處理問題上的...
深度學習（一）深度學習的概念
深度學習是機器學習與神經網路 人工智慧 圖形化建模 優化 模式識別和訊號處理等技術融合後產生的乙個領域。深度學習網路是神經網路革命性的發展，人們甚至認為可以用它來建立更加強大的 模型。深度學習使用多層機器學習模型對資料進行有監督學習或無監督學習。模型中的不同層由非線性資料變換的多個階段組成，資料的特...
20 容器vector的深度探索
這篇主要介紹g2.9中stl容器vector的設計結構。vector是連續的空間結構，並可以向容器尾部增加元素。解析 a vector設計的時候，有3個元素 start finish和end of storage。其中start是元素首迭代器，finish是元素尾迭代器，end of storage...