深度学习方面的学术交流平台？

 
 
 
作者：萧瑟
链接：https://www.zhihu.com/question/54749093/answer/140998859
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

很多刚入门深度学习的朋友，往往不知道该如何获取最新的深度学习资源，包括资讯，论文，学习资料等等，有问题也不知道该与谁交流。因此这里分享一些相关途径，希望对大家的学习有所帮助。

微信公众号

有很多和深度学习相关的公众号，对学术相关进展的跟进都很及时，可以考虑有选择的关注：

  • 机器之心
  • 智能立方:
  • paperweekly
  • 哈工大scir
  • 将门创投
  • 炼丹实验室
  • 机器学习研究会
  • AI科技评论
  • 全球人工智能
  • 深度学习大讲堂

邮箱订阅

通过邮箱，订阅一些资源推送，是很有必要的：

  • Arxiv：计算机领域，特别是深度学习领域的最新论文，一般都会先出现在Arxiv上，除了天天到Arxiv相关类别刷论文之外，也可以通过邮箱订阅自己感兴趣的类别：
  • 好东西传送门：包含机器学习日报，NLP日报，大数据日报，Python日报等很实用的内容，建议订阅：
  • 大牛的最新Paper：可以通过Google学术，订阅一些深度学习领域大牛的论文，这样一旦他们有新论文，有可以通过邮件及时得到通知,下面是我的一些订阅，不全，仅供参考：
    • Geoffrey Hinton
    • Yann LeCun
    • Yoshua Bengio
    • Andrej Karpathy
    • andrew Y ng
    • Richard Socher
    • Tomas Mikolov
    • Oriol Vinyals
    • Percy Liang
    • Jason Weston
    • Hang Li
    • Tie-Yan Liu

知乎专栏

知乎上有很多和深度学习相关的专栏，而且在知乎上可以很方便的和作者进行互动交流，也是一个很方便的方式，下面是一些我订阅的专栏：

  • 炼丹实验室
  • 机器之心
  • 超智能体
  • PaperWeekly
  • 深度学习：从入门到放弃
  • 智能单元
  • 深度学习大讲堂

网站

这里收藏了一些不错的和深度学习相关的资源网站，可以参考： ，包含最新的NLP资讯和论文 ，作者在Google Brain，会经常更新一些自己读论文的笔记。 ,Reddit的机器学习版，氛围活跃，大牛云集。

微信交流群

  • PaperWeekly: 想加群，请联系微信号：zhangjun168305, 群里的交流气氛活跃，和学术。
  • 将门微信群： 里面大牛云集，想加群，请加群请关注将门创投的订阅号，里面有入群方式。

上面是我平时收集深度学习论文和资讯的方式总结。我觉得更容易面临的问题，不是信息匮乏，而是信息负载，因此在有限的时间里，学会选择适合的阅读内容，更为重要。

社交网络

国内大牛一般是微博，国外大牛一般是Twitter,关注一下他们，可以了解到很多第一手的消息。

作者：张俊
链接：https://www.zhihu.com/question/54749093/answer/169816156
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

说到学术平台，我这里自荐一下我们的PaperWeekly。PaperWeekly是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。

目前，我们有以下几个栏目：

1、一周论文。每周六分享一篇原创的高质量综述文章，针对某一个topic对多篇相关的paper进行综述，方便工作比较忙的童鞋来了解某一个领域的最新进展，也方便正在找研究方向的童鞋来寻找思路。从去年9月开始第一期，坚持每周一期，上周刚刚分享到第37期。综述文章的作者是来自海内外相关领域的phd和master，也有少量的行业工程师。目前我们有一个将近100人的作者团队，在业余时间来分享知识给大家。

PaperWeekly 第37期 | 论文盘点：检索式问答系统的语义匹配模型（神经网络篇）
PaperWeekly 第36期 | Seq2Seq有哪些不为人知的有趣应用？
PaperWeekly 第35期 | 如何让聊天机器人懂情感
PaperWeekly 第34期 | End-to-End任务驱动对话与数据库的衔接

2、每周值得读。每天我们会将arxiv上的水paper过滤掉，将精华的文章分享到微博上，并配上该篇paper的亮点和贡献。每周日将本周值得读的paper汇总起来在公众号和知乎专栏上发布出来，方便大家了解到最新的研究进展。目前我们有一个100多人的arxiv志愿者团队，利用业余时间为社区提供方便。

本周值得读 | 当我们谈论NLP、CV和DL的时候，我们在读什么？
本周值得读 | 嘀~ 您有一份优质论文大礼包
论文推荐：中文分词，文本表示，CNN，Slam | 本周值得读 #32
论文推荐：语义分割，对话系统，机器翻译，Slam | 本周值得读 #33
论文推荐：机器阅读理解，文本摘要，Seq2Seq加速 | 本周值得读 #34

3、读者交流群。为了方便我们的读者进行交流，去年九月开始建立读者群，至今已经建立了7个nlp交流群，2个cv交流群（周六刚刚开始建的，目前第一个已满。）。为了保证群内交流的质量，我们谢绝了很多爱好者的加入，希望群内保持一个较好的学术交流氛围，也欢迎各位加入。

4、Phd Talk。今年年初的时候，受一个高中同学的启发，决定做这个Phd Talk。其实这种形式之前有很多家在做了，雷锋网、csdn、将门等等都在做。当时一个很朴素的想法就是，希望更多“不知名”的大牛可以分享他们扎实的工作给大家，深度学习或者人工智能其实不仅仅只有Bengio、Lecun他们，还有很多默默无闻的大牛们，他们默默地做着一些影响和改变世界的工作。基于这个初衷，我们开始了第一期talk，没半个月举行一次，本周会举行第七期。

Galactic Dependencies依存关系数据集+细粒度语言类型学预测 | 实录·PhD Talk #06基于深度
学习的中文分词 | 实录·PhD Talk #5
第4期Talk实录 | 基于知识库的问答
第3期Talk实录 | 数据驱动的大规模分类体系构
建第2期Talk实录 | 词向量的几何分布及其应用
第1期Talk实录 | CN-DBpedia构建技术和思路

5、论文共读。最近一个月，我们开始尝试一个非常费力的服务，论文共读小组，目前有知识图谱、多模态、GAN、Chatbot 和 QA 五个组，大家每周一起研读一篇 paper。为了保证共读小组的效果，我们采用邀请制进行。一篇好的 paper，经典的 paper 应该多读，多讨论，相互讨论，与作者讨论，碰撞火花，启迪思维，讨论出来的东西可以沉淀下来，以供后来者参考。这件事我从去年的时候就有了想法，无奈精力有限一直没能开始，直到最近一段时间，有了开发团队才开始铺开做。我们会不断扩展到大家关心的各个领域里，聚集更多的人来一起研读论文。最近的几次活动，我们都将paper的一作邀请来了，包括

童鞋等等。除了固定的几个group之外，我们建立了一个一周热文组，一起读了Fb的那篇FastSeq和Socher的那篇Abstractive Summarization。 每周一起读 | 知识图谱阅读小组
多模态小组阅读笔记精选 | 每周一起读 #7
Chatbot专题阅读小组 | 每周一起读 #08
QA专题阅读小组 | 每周一起读 #09

6、论文访谈间。很早之前，

老师就在一起交流过，建议我们可以尝试做类似 MIT Technology Review 那样的报道，当时我并没有想清楚如何来做。最近我们又沟通了一次，想一起把国内录用的 ACL 工作宣传报道一下，于是成立了一个 10 多人的记者团，记者们都是来自各大高校的研究生，具有非常强的专业基础，并且都是 PaperWeely 的忠实读者，其中有几位都是知乎小 V，比如
很有影响力。我们之前的 paper note 主要还是面向有一定基础的同学，或者正好是做这个方向的同学，而这次尝试希望可以挑战难度，用尽量浅显易懂的语言把 paper 的贡献和亮点介绍清楚，让更多读者可以了解到人工智能到底发展到什么阶段了。 “嘿，机器，你是怎么做好翻译的呀？” “来，我画给你看！” | 论文访谈间 #01
让问答更自然 - 基于拷贝和检索机制的自然答案生成系统研究 | 论文访谈间 #02

7、大牛约稿。我们不定期地会和学术界的大牛老师和工业届的大牛cto约稿，分享一些比较大的话题。

当知识图谱“遇见”深度学习
综述 | 知识图谱研究进展
特约 | 医疗AI的机遇与挑战
特邀 | 围棋人机大战一周年：如何让AlphaGo更快更轻盈

感谢大家可以看完。如果你对我们感兴趣，欢迎关注我们：

微信公众号：PaperWeekly

新浪微博：@PaperWeekly

 
作者：将门
链接：https://www.zhihu.com/question/54749093/answer/152979840
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

一直没有怎么经营知乎，今天无聊想起来搜了一下自己。没想到就看到这个问题了，以及居然！被！好！评！了！


将门是一家创投机构，关注技术驱动型的创业公司。除此之外，我们用心打造了围绕着人工智能各个方向的主题交流群，包括计算机视觉、自然语言处理、机器学习、机器人。每一位入群的朋友全部手动审核报名表。

一年了，每一次做技术分享时总是心惊肉跳，生怕网又不好了，嘉宾又找不到了，怠慢了每一位守在电脑前的朋友。


还好一路过来，有大家的支持。我们会一直怀着敬畏之心，给大家奉献更多优质的技术内容。


想要入群的朋友，可以关注将门的微信（thejiangmen），然后回复加群。填写报名表，审核通过后我们会手动邀请进群。



最后附上我们往期部分线上talk的回顾和PPT吧：

计算机视觉

1. 嘉宾：商汤科技CEO 徐立

文章回顾：计算机视觉的完整链条，从成像到早期视觉再到识别理解

2. 嘉宾：格灵深瞳CTO 赵勇

文章回顾：计算机视觉在安防、交通、机器人、无人车等领域的应用

3. 嘉宾：上交大教授 马利庄

文章回顾：可视媒体大数据的智能处理技术与应用

4. 嘉宾：阿里资深总监 华先胜

文章回顾：图像搜索的前世今生


5. 嘉宾：谭平 360人工智能研究院副院长

主题：从SfM、SLAM到自主机器人

视频：

PDF：


6. 嘉宾：周博磊 MIT在读博士

主题：理解和利用CNN的内部表征

视频：

PDF：


7. 嘉宾：吴佳俊 MIT在读博士

主题：生成和识别三维物体

视频：

PDF：

机器人

1. 嘉宾：张一茗 速感科技 CTO

主题：给机器人一双慧眼——机器人视觉系统进化史

视频：

PDF：


2. 嘉宾：高翔 清华大学自动化导航研究所博士生

主题：视觉SLAM的基础知识

视频：

PDF：


3. 嘉宾：张浩 蓝胖子机器人 CTO

主题：Moble manipulator as general purpose robot: technology & vision

视频：

PDF：


5. 嘉宾：韩峰涛 珞石科技联合创始人

主题：工业机器人控制系统设计综述

视频：

PDF：


6.嘉宾：冯思远 丰田研究院 主题： 基于分层优化的人形机器人控制 视频： （因为冯博声音太好听了，导致沉醉了，前几分钟没录上==） PPT：


自然语言处理

1. 嘉宾：鲍捷 文因互联CEO

主题：知识管理和语义搜索的哲学思考

视频：

PDF：


2. 嘉宾：王仲远 Facebook Research Scientist

主题：如何让机器像人类一样理解短文本

视频：

PDF：


3. 嘉宾：刘知远 清华大学计算机系助理教授

主题：表示学习与知识获取

视频：

PDF：


4.嘉宾：王昊奋 深圳狗尾草智能科技公司CTO

主题：从通用知识图谱到行业图谱—关键技术及行业应用浅析

视频：

PDF：


机器学习

1. 嘉宾：刘铁岩 微软亚洲研究院首席研究员

主题：AI时代，机器学习最新技术趋势解读

视频：

PDF：


2. 嘉宾：秦涛 微软亚洲研究院主管研究员

主题：Dual learning: a new learning paradigm

视频：上>>；

下>>；

PDF：

3. 嘉宾：王太峰 微软亚洲研究院主管研究员

主题：浅谈分布式机器学习算法和工具

视频：

PDF：


4. 嘉宾：边江 微软亚洲研究院主管研究员

主题：机器学习驱动下的内容分发和个性化推荐

视频：

PDF：



2017.3.23日更新！

一觉醒来，收到 了90多个赞，受宠若惊！那就再分享一个小惊喜吧。昨天Yann LeCun在清华的Talk上，我门同事冲破重重阻挡，带着为Yann特制的爱心T恤，合到了影。今天Yann发这张照片个人的Facebook主页了，小扎居然还点了赞。

 
 
国内有arXivFellow： www.arxivfellow.com
【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/DjangoBlog/p/9436636.html