排序方式

微软总裁施博德:2019值得关注的科技问题

2018年,科技领域取得了许多重要进展,但随之而来的隐私安全问题、社会问题和伦理问题也同样值得人们思考。微软总裁施博德盘点了过去一年出现的技术问题,并展望了2019年这些问题的走向。我们从中精选了五个问题,与大家分享。

发布时间:2019-02-15 类型:深度文章

如何写好一份研究计划?

对于研究者而言,撰写研究计划必不可少,但是写好一份研究计划却并不容易。如何撰写出色的研究计划?撰写过程中有哪些注意事项?本文将为大家梳理研究计划的评判标准,以及撰写过程中可能出现的问题。

发布时间:2019-02-13 类型:深度文章

微软全新视频索引器:机器帮你轻松看懂视频

如何对海量的视频进行索引标记?微软的研究人员在Azure视频索引器中增加了“多模态主题推断”功能。利用基于监督深度学习的模型,以及无监督的维基百科知识图谱,使得视频索引器可以理解媒体文件中的内部关系,准确高效地提取视频中的关键词,帮助用户更好地挖掘内容的价值。

发布时间:2019-02-01 类型:深度文章

请收好这份NLP热门词汇解读

在过去的一段时间,自然语言处理领域取得了许多重要的进展,Transformer、BERT、无监督机器翻译,这些词汇仿佛在一夜之间就进入了人们的视野。你知道它们具体都是什么意思吗?今天,我们就将为大家介绍三个NLP领域的热门词汇。

发布时间:2019-01-30 类型:深度文章

微软亚洲研究院27篇论文入选AAAI 2019

人工智能领域的国际顶级会议AAAI 2019将于1月27日至2月1日在美国夏威夷举行。根据已经公布的论文录取结果,今年的大会录取率创历史新低,投稿数量高达7745篇,录取的数量仅有16%左右。但在被录取的论文中,来自微软亚洲研究院的却有27篇之多,包括了机器学习、自然语言处理(NLP)、计算机视觉和图形学等多个领域。本文将详细介绍这三个领域中来自微软亚洲研究院的那些硬核论文。

发布时间:2019-01-28 类型:深度文章

书单 | 系统了解智能问答和机器翻译,从这两本书开始

自然语言理解是人工智能皇冠上的明珠。在大数据、深度学习和云计算推动下,自然语言理解的各个领域近来都取得了新的进展,也孕育着无穷的机会。在本期的书单中,我们将向大家推荐两本来自微软亚洲研究院自然语言计算组的全新力作:《智能问答》和《机器翻译》。这两本书分别对智能问答和机器翻译这两个具有广泛应用场景的研究领域进行了系统性的介绍。

发布时间:2019-01-22 类型:深度文章

如何构建多快好省的“知识图谱即服务”?这里有独家的经验分享

知识图谱作为一种特殊的图数据,不仅人类可以识别且对机器友好。信息检索、问答系统、推荐系统、电子商务、金融风控,这些生活中常见的应用场景都离不开知识图谱的支持。如何构建一个“多快好省”的知识服务系统?微软亚洲研究院机器学习组的研究员们基于自己的经验,给出了他们的建议。

发布时间:2019-01-17 类型:深度文章

利用VR/AR进行建筑设计是一种什么样的体验?

自虚拟现实(VR)和增强现实(AR)诞生之初,人们就对它们报以极大的关注。VR和AR以其逼真的沉浸感和交互性,被广泛应用于游戏、医疗、设计等诸多领域。当VR/AR与建筑设计相遇,又将带来什么样的新奇效果?来自哈佛大学设计学院的洪玉洁博士近期到访微软亚洲研究院,与我们分享了她在建筑设计领域进行的VR/AR应用探索。

发布时间:2019-01-15 类型:深度文章

一文尽览近似最近邻搜索中的哈希与量化方法

最近邻搜索算法能够帮助人们在海量数据中快速搜索到有效内容,但是想要将其应用于实际,则需要解决如何缩短搜索时间的问题。本文将为大家介绍两种减少搜索时间的方法。基于哈希的近似最近邻搜索的方法通过设计和优化哈希函数,减少计算的次数,从而缩短搜索时间。基于量化的近似最近邻搜索方法则通过聚类把向量集聚成若干类,每类里面的向量用对应的类中心来近似。

发布时间:2019-01-11 类型:深度文章