主要是 machine learning 应用相关, 可以是博客,也可以是论文
比如 https://medium.com/airbnb-engineering/learning-market-dynamics-for-optimal-pricing-97cffbcc53e3
又比如我学 RNN,学到一半,发现了 attention is all you need ( https://arxiv.org/abs/1706.03762), 一种更新的架构(不过主要是 NLO );搜了一下,又发现 Universal Transfomer ( https://ai.googleblog.com/2018/08/moving-beyond-translation-with.html), 就应该是最新的架构了。。。
目前,我感觉就只能翻翻各大公司的博客,比如
不知道还有什么地方呢? 有什么比较好的了解各大公司使用 ml 的例子的?
另,我自己有一个服务( http://productchaseapp.herokuapp.com/tech2pocket), 就是抓了很多博客做过滤,这样阅读起来就很有效率,不过主要是针对产品的。实在没办法就只能把 https://github.com/kilimchoi/engineering-blogs 上的给全抓了。。。
1
vsitebon 2018-12-08 10:48:38 +08:00
|
2
lance6716 2018-12-08 11:09:29 +08:00 via Android
看论文啊
|
4
Azmeont 2018-12-08 11:11:30 +08:00
NIPS
ICML CVPR IJCAI AAAI COLT |
5
jetA07 2018-12-08 11:18:49 +08:00
arXiv
|
6
ech0x 2018-12-08 11:24:39 +08:00
Google Academic 可以用针对的关键字做邮件的订阅。
|
7
cqcn1991 OP |
8
cosmic 2018-12-08 11:38:45 +08:00
Twitter 上 follow,Microsoft Reaserch, Google AI, NVidia AI Developer, Facebook AI, Deep mind 等著名的 AI 研究机构,pytorch, tensorflow 等开源框架的官方账号,还有一堆研究人员,每天刷一刷
|
9
vsitebon 2018-12-08 13:04:21 +08:00
@cqcn1991 寻求链接是要发挥主观能动性的,也就是主动搜索。提供了一个名词,就够了,我一般都是直接订阅相关网站的更新,利用 rsshub 就能够实现大多数常用网站的更新了。另外那个学术那个已经是目前见过最好的最及时的学术动态更新网站,当然,还有 dailyarxiv.org 和 reddit 上的 ML 和 DL 节点。以及各大知名公司的公开推特和公开博客。另外用 google scholar 可以通过引用文献的链接找到基于当前工作的新的工作。其实最后的最后,能够有效地避雷的,就是尽量别看公众号。别问我为什么这样说
|
11
wengjin456123 2018-12-08 17:22:15 +08:00
大佬,ML 想入门,怎么入啊?
|
12
27 2018-12-09 20:09:48 +08:00
paperweekly 还不错,还有机器之心
|
13
googlefans 2018-12-09 20:25:18 +08:00 via iPad
论文
|