首页 » 爱链网 » AI播客下载:Practical AI(人工智能最新进展)(学习数据模型深度科学)「人工智能博客」

AI播客下载:Practical AI(人工智能最新进展)(学习数据模型深度科学)「人工智能博客」

落叶飘零 2024-07-24 03:54:12 爱链网 0

扫一扫用手机浏览

文章目录 [+]

这个 Practical AI 则是聚焦在机器学习、数据科学,如何实际运用在真实世界的场景。
播客专注于人工智能和相关主题的讨论,包括神经网络、机器学习、深度学习、GAN、AIOps、MLOps等内容。
该播客专为希望了解人工智能最新进展的技术专业人士、商务人士、学生、爱好者和专家嘉宾而设计。

节目列表:

翻译如下:

AI播客下载:Practical AI(人工智能最新进展)(学习数据模型深度科学) AI播客下载:Practical AI(人工智能最新进展)(学习数据模型深度科学) 爱链网
(图片来自网络侵删)

友好的联邦学习

2018年回顾与2019年大胆预测

AI播客下载:Practical AI(人工智能最新进展)(学习数据模型深度科学) AI播客下载:Practical AI(人工智能最新进展)(学习数据模型深度科学) 爱链网
(图片来自网络侵删)

2019年AI前五名

语音技术创新的25年

NVIDIA的3D资产与仿真

关于因果推断的随意谈话

- 开发者的SOTA AI工具包

- 与Kaggle大师一起加速数据科学

- 在MLCommons加速ML创新

- 意外构建的SOTA AI

- 实现可证明有益的、与人类兼容的AI

- 主动学习与濒危语言

- GenAI黑客马拉松回顾

- 大型、成熟公司中的AI采用

- 企业中的AI采用

- 促进良好科学的AI代码

- AI竞赛与云资源

- AI for Good在非洲的清洁水访问

- Etsy的AI搜索

- 英特尔的AI社会公益

- 医疗中的AI、舞蹈动作合成、硬件加速

- 浏览器中的AI

- 主要世界中的AI与模型蒸馏

- 美国国会中的AI

- 现实生活中的AI与Mozilla的互联网健康报告

- AI正在创造从未听过的声音!

- 2024年AI预测

- http://You.com的AI搜索

- AI先驱将人放在首位

- AI趋势Latent Space交叉

- AI与软件开发者对抗

- AI对开发者的影响

- AI在重编程免疫中的作用

- 制造中的AI驱动自动化

- 古代世界的AI驱动研究与良好GANs

- OpenAI Codex的AI生成代码

- AI驱动的科学探索与发现

- 看起来像人的AI并创造人的肖像

- AlphaFold正在革命生物学

- Anaconda + Pyston等

- 通过艺术和电影分析AI对社会的影响

- 分析2021年AI指数报告

- 回答Quora上的AI问题

- Apache TVM与OctoML

- 应用的NLP解决方案与AI教育

- NVIDIA的人工智能

- 问我们任何关于AI的问题

- Cølønês文本的攻击!

- 自动化所有UIs!

- 使用AI进行自动制图

- 使用LLMs自动优化代码

- 谷歌的AutoML与AI

- 自主战斗机!

- 平衡人类智慧与AI

- BERT:一个统治所有的NLP模型

- 黑名单上的面部识别和监控公司

- AI权利法案蓝图

- 用Streamlit构建定制ML工具

- 在数据科学领域建立职业

- 建设数据团队

- 构建深度学习工作站

- 构建世界上最受欢迎的数据科学平台

- 生成模型的大爆发

- LLMs的能力

- 因果推断

- 庆祝第50集与神经网络!

- ChatGPT进入黄金时间!

- 与Coqui克隆声音

- 将AI包装在数据布中

- CMU的AI飞行员登上

- LLM应用程序的协作与评估

- 计算机科学家作为流氓艺术历史学家

- 控制和合规的AI应用

- 用Gretel合成数据

- Copilot诉讼与Galactica科学

- COVID-19问答与CORD-19

- 创建创新文化

- 创建指令调优模型

- CTRL-labs让你用思想控制机器

- DALL-E是浣熊的一大步!

- 使用LlamaIndex进行数据增强

- 所有人的数据

- 数据管理、法规和AI的未来

- 为直观用户体验的数据科学

- 为SOTA LLMs合成数据

- 使用Rust和Burn进行深度学习

- 药物发现的深度学习技术

- 深度强化学习

- 为语音民主化ML

- 部署模型(到拖拉机上)

- 使用深度学习检测行星

- 数字人类与情绪检测

- 消除AI失败

- Elixir遇上机器学习

- 端到端云计算用于AIML

- 与政府合作的AI公益

- 逃离AI基础设施的黑暗时代

- 自然语言处理的瞬间

- 没有测试数据的模型评估

- 人人可访问的可解释AI

- 解释AI可解释性

- 探索新的AI词汇

- 探索深度强化学习

- 探索NVIDIA的Ampere与A100 GPU

- 探索COVID-19开放研究数据集

- 揭露DeepFakes的欺骗

- 眼动追踪,亨利·基辛格谈AI,Vim

- 联邦学习

- 打击AI中的偏见(和招聘中的偏见)

- 企业中AI的成功

- 微调与RAG

- GPT-4o的初印象

- AlphaPilot的AI无人机竞赛

- 基础模型

- 从ML到AI到生成AI

- 从笔记本到Netflix规模的Metaflow

- 从研究到Azure AI的产品

- 从符号到AI配对编程

- 有效AI代理的全栈方法

- GANs,RL和迁移学习

- Gemini对抗OpenAI

- 通用模型与冰人之声

- 使用智能家居数据生成直觉

- 在Shopify生成产品图像

- 生成艺术与娱乐的未来

- 生成模型从探索到部署

- 与Snorkel AI一起进入流动

- 进入数据科学与AI

- 将Waymo带入自动驾驶

- GIPHY的名人检测器

- http://GirlsCoding.org鼓励年轻女性接受计算机科学

- 全力以赴Graphcore!

- AI法规已经到来

- 政府使用面部识别和谷歌的AI

- 只工作的GPU开发环境

- 绿色AI

- 成长为世界级的AI专家

- 帮助非洲农民使用TensorFlow

- 隐藏门等许多更多

- 微软如何使用AI帮助地球

- 美国军方如何看待AI

- 如何接入AI社区

- 量子处理器的混合计算

- IBM的AI检测神经状态

- AI指数2019年年度报告的见解

- 智能系统与知识图谱

- AI中的大事

- 是时候谈时间序列了

- 机器学习的杀手级开发工具

- 大型动作模型(LAMs)与兔子

- CPU上的大模型

- 国家安全中的AI

- 了解(深度)学习

- 学习生命的语言

- 学习学习深度学习

- 生成内容的法律后果

- 创意的许可与自动化

- 低代码、无代码、加速代码与失败代码

- 小型组织中的机器学习

- 在数据库中的机器学习

- 使GANs实用

- AI for Good基金会让世界变得更美好

- Mamba & Jamba

- AI与GIS交叉的映射

- 世界映射

- 认识你的实际AI主持人

- 与Allegro AI的MLOps和实验跟踪

- MLOps依然活跃

- MLOps并不真实

- 在Seldon的模型检查与解释

- 使用spaCy的现代NLP

- 多GPU训练是很难的(没有PyTorch Lightning)

- 新年决议潜入深度学习!

- 下一代语音助手

- 全球7000多种语言的NLP

- 本地社区的NLP研究

- 帮助肯尼亚孕妇的NLP

- 关于人类的思考

- 统治所有的一个算法

- 开源数据标注工具

- 开源工具、AI用于Dota和企业ML采用

- 开源、磁盘上的向量搜索与LanceDB

- OpenAI与Hugging Face工具

- OpenAI的新危险GPT-2语言模型

- OpenAI、强化学习、机器人、安全

- 使用MemSQL操作MLAI

- Pachyderm的基于Kubernetes的AI基础设施

- AI加速的光子计算

- 实际AI伦理

- 实际AI第100集!

- 深度伪造的实际、积极用途

- AI时代的隐私

- 私有、开源聊天UI

- 生产数据标注工作流

- 在LinkedIn生产化AI

- 推动未来

- 用邪恶数据库保护我们

- 将AI放入盒子中的MachineBox

- PyTorch 1.0对比TensorFlow 2.0

- ML应用程序的快速、美丽的Web UI

- R、数据科学与计算生物学

- RAG继续崛起

- 从电话通话数据中获取实时对话洞察

- 推荐系统与高频交易

- 芯片设计的强化学习

- 搜索的强化学习

- 表示工程(激活黑客)

- AI PC的崛起与本地LLMs

- 机器人手解决魔方

- 机器人感知与Mask R-CNN

- AI开发工作流中的角色

- 自托管与扩展模型

- 无服务器的GPUs

- 用RedisAI提供深度学习模型

- 孩子们是否还应该学编程

- SLICED - 你能否入选(数据科学)

- 所以你有一个AI模型,现在怎么办

- 与Hugging Face的社交AI

- Unbabel的SOTA机器翻译

- Mozilla的语音识别与Common Voice

- 稳定扩散

- 通过AI安全研究避免灾难

- 通过AutoNAS实现卓越推理速度

- 提示中的成功(和失败)

- 怀疑机器

- 技术作为一种积极力量

- TensorFlow开发者峰会2019

- 云中的TensorFlow

- 测试ML系统

- 1万亿美元的ML模型

- AI医生现在会见您

- 构建ML驱动应用程序的最快方法

- 人工智能的地缘政治

- 开源对AI开发的影响

- 开源AI的现状

- 发布模型的实际性

- 白宫AI行政命令

- 世界需要AI超级英雄

- 世界上最大的开放图书馆数据集

- 新Llama到来了

- 走向稳定性和鲁棒性

- 数据标注趋势

- UBER与英特尔的机器学习平台

- Udio与多模态AI时代

- 理解AI技术的全景

- 使用边缘模型查找敏感数据

- 超越炒作的向量数据库

- 用于机器学习的向量数据库

- 可视化与理解RNNs

- 欢迎来到实际AI

- 现今的数据科学究竟是什么

- DocQuery有什么新动态

- 当AI出错时

- AI遇上量子力学时

- 当数据泄露变成麻烦的洪水

- 数据科学中的女性(WiDS)

- 世界正在碰撞 - AI与高性能计算

- YOLOv9:计算机视觉依然活跃

- 零样本多任务学习

- 与Hugging Face一起的所有transformers

- AI社区建设未来

- AI在非洲 - 农业

- AI在非洲 - Makerere AI实验室

- AI在非洲 - Radiant Earth

- AI在非洲 - 语音与语言工具

标签:

相关文章