本文从数据库类型、数据存储和处理的位置和方式，到当前的商业选择，给想成为数据科学家的开发者们分享必备的数据管理知识，助你成为“全栈（full-stack）”的数据科学家。

模型通过学习“错误”的信息来解决任务的问题已经存在很长时间了，并被称之为“聪明汉斯效应，在图像检测领域早已有之，脱去它的影响后，BERT也许没有我们想得那么神奇。

著名的艺术珍品《根特祭坛画》，正在进行浩大的修复工作，随着技术的进步，高分辨率数字技术的介入，数据信息的逐渐增多，也让 AI 技术能够在画作修复上大显身手。

本文首先从端到端系统的角度总结了自动机器学习在各个流程中的研究成果，然后着重对最近广泛研究的神经结构搜索进行了总结，最后讨论了一些未来的研究方向。

推荐系统的目标是为用户推荐可能会感兴趣的标的物。通过算法推荐达到节省用户时间、提升用户满意度、为公司创造更多的商业价值的目的。

随着深度学习的进一步发展，我们对数据集的依赖也越来越强。就在最近，FAIR 开放了 LVIS，一个大规模细粒度词汇集标记数据集，该数据集针对超过 1000 类物体进行了约 200 万个高质量的实例分割

视频分类/行为识别是计算机视觉领域中非常有挑战性的课题，因为其不仅仅要分析目标体的空间信息，还要分析时间维度上的信息，如何更好的提取出空间-时间特征是问题的关键。本文总结了该领域的技术进展和相关数据集

现代牙医学从 17 世纪开始大发展，至今已有 400 余年，而人工智能介入牙科仅用了不到 20 年。无论是龋齿预测，还是隐适美，人工智能已经逐渐渗透到牙科行业的方方面面，颠覆牙科的可能都不会是牙医自己

利用数据、机器学习和相关算法对结果进行分类和预测。然而机器学习并不是解决一切问题的万能钥匙，本文给大家分析机器学习的局限性。

数据科学需要强大的思维逻辑，与时俱进的洞察力，还要能胆大心细摒弃一系列的干扰信息。即使是机器也并不能脱离人脑自行工作，还需要在理论与精准模式的加持下不断探索，这可真不是一项简单的工作。

在时间序列中，时间往往是独立变量，其目标通常是预测未来。在这篇文章中，我们将介绍时间序列的不同特征，以及我们如何对它们进行建模才能获得准确的预测。

面对日益严重的脱发问题，植发已经成了很多人的救命法宝。而人工智能、机器人等技术的介入，很有可能成为改变这一行业的新势力。那在技术不断进步的情况下，脱发问题能够被彻底根治吗？

决策树模型通过一系列if then决策规则的集合，将特征空间划分成有限个不相交的子区域，对于落在相同子区域的样本，决策树模型给出相同的预测值。这些if then决策规则之间的层次关系形成一个树形结构，

免费的在线学习课程一直是大多数人学习 AI 知识和技能的方式之一。本文25个AI学习资料送给你，内含国内的中文优质课程哦，相信你一定会喜欢。

目前，深度学习模型需要大量的计算、内存和功耗，这成为我们在实时推理或在计算资源有限的边缘设备以及浏览器上运行模型的瓶颈。能量效率是当前深度学习模型的主要关注点。提升这种效率的方法之一是着眼于推理效率。

你是否在聊天的时候，收到过尴尬而不失礼貌的微笑？感谢这些「假笑」表情，无数次拯救我们于「最怕空气突然安静」的尬聊中。它们不仅缓解了尬聊气氛，还照顾了好友的自尊，挽回了彼此「坚不可摧」的友情。

采样问题是数据科学中的常见问题，对此，WalmartLabs 的数据科学家 Rahul Agarwal 分享了数据科学家需要了解的 5 种采样方法。

吃瓜，我们是最科学的！如何挑选最甜的瓜，也成了「吃瓜群众」十分关心的问题。一位浙江大学的博士，用机器学习的方法判断西瓜的成熟度，十分接地气

神奇的 UGAN 模型可以去除生成图片中保留的源类别信息，使得生成图片的源类别变得更加难以追踪，即生成的图片伪装性更强，掩盖原图片的“遗传”信息，使其看起来与源图相似性变弱，甚至完全不相同。

有时候一个小小的快捷方式或附加组件会被证明是天赐之物，并且可以真正提高生产力。所以本文的一些技巧，有些可能是相当有名的，有些可能是新的，但我相信下次您从事数据分析项目时，它们会非常有用。