大數(shù)據(jù)文摘專欄作品
作者：Christopher Dossman
編譯：Olivia、Junefish、云舟
嗚啦啦啦啦啦啦啦大家好，本周的AI Scholar Weekly欄目又和大家見面啦！
AI ScholarWeekly是AI領域的學術專欄，致力于為你帶來最新潮、最全面、最深度的AI學術概覽，一網(wǎng)打盡每周AI學術的前沿資訊。
每周更新，做AI科研，每周從這一篇開始就夠啦！
本周關鍵詞：GANs、Julia、強化學習
本周最火學術研究
訓練單圖像GAN的新里程碑
GAN的優(yōu)勢之一是能夠生成與真實圖像無法區(qū)分的圖像。因此，只有它可以實現(xiàn)在有限域中收集大型數(shù)據(jù)集，促使了基于單一圖像的學習生成模型的不斷發(fā)展。但是，要獲得可靠的結果一直是一個具有挑戰(zhàn)性的問題。
為了解決訓練生成方法的挑戰(zhàn)，漢堡大學研究人員進行了許多實驗，這給該領域帶來了一線希望。繼成功的實驗之后，他們在最近發(fā)布的論文中提出了一些可以使機器學習在產(chǎn)生更好結果的實踐。
與最新技術水平相比，該方法的訓練速度快六倍，參數(shù)更少，并且可以更好地捕獲圖像的整體結構。
代碼：
https://github.com/tohinz/ConSinGAN
原文：
https://arxiv.org/abs/2003.11512
穩(wěn)健深度神經(jīng)網(wǎng)絡訓練實用框架
在許多現(xiàn)代應用中，深度神經(jīng)網(wǎng)絡變得越來越重要。但是，深度學習網(wǎng)絡的穩(wěn)健訓練仍然是一個巨大的挑戰(zhàn)，此外，還有DNN容易受到對抗性攻擊等問題。
這項研究是第一個實用的穩(wěn)健訓練框架，可支持大多數(shù)大型DNN模型所需的絕大多數(shù)操作。本文介紹了一種在流行的TensorFlow平臺上開發(fā)的名為PaRoT的新框架，用于可驗證的穩(wěn)健訓練，該框架可以直接在現(xiàn)有代碼庫上使用，并且只需很少的代碼即可完成開發(fā)。
具體而言，該框架能夠在任意DNN上執(zhí)行強大的訓練，無需任何模型重寫。研究人員表示，該模型的性能可與最新技術相媲美，它還擁有在現(xiàn)有經(jīng)過訓練模型上的使用簡便性，以及在現(xiàn)實世界的工業(yè)應用上的測試能力，如交通信號燈探測網(wǎng)絡等。
原文：
https://arxiv.org/abs/2001.02152v3
使用SEED-RL進行可擴展的高效強化學習
不久前，Google研究人員團隊推出了可擴展的高效Deep-RL（SEED-RL）代理，該代理可擴展到數(shù)千臺機器，從而能夠以每秒數(shù)百萬幀的速度進行訓練，顯著提高了計算效率。該架構通過集中模型推斷并引入快速通信層來大規(guī)模利用加速器（GPU或TPU）。如果你對RL感興趣，那么本文將為你提供研究工作中的最新信息。
研究人員演示了SEED RL在流行的RL基準（例如Google Research Football，Arcade Learning Environment和DeepMind Lab）上的性能，并表明更大的模型可以提高數(shù)據(jù)效率。
代碼：
https://github.com/google-research/seed_rl
原文：
https://arxiv.org/abs/1910.06591
通過學習3D圖形來繪制線圖
本文介紹了一種基于可微幾何模塊和圖像翻譯網(wǎng)絡的組合來學習3D模型以生成線圖的方法。
該方法的架構包括一個對3D模型的幾何特征進行操作的可微模塊和一個對基于視圖的形狀表示進行操作的圖像模塊。在測試時，神經(jīng)模塊將基于幾何和視圖的推理信息相結合來創(chuàng)建線圖。
經(jīng)過眾包測試，該方法展現(xiàn)出了一定的優(yōu)越性，其效果較現(xiàn)有最優(yōu)幾何和神經(jīng)圖像翻譯方法在標準基準上有顯著提升，其繪制的圖紙甚至能與經(jīng)驗豐富的人類藝術家的作品相媲美。
原文：
https://arxiv.org/abs/2003.10333v2
機器學習語言Julia的算法，應用和待解決問題
機器學習技術的飛速發(fā)展推動了功能強大的新工具的誕生，其簡化的操作和優(yōu)異的性能令科學家們愛不釋手。
Julia就是一個代表。它是一種用于科學計算和數(shù)據(jù)處理的開源現(xiàn)代編程語言，簡單快捷、富有表現(xiàn)力且具備高性能，其運行效率幾乎可以與靜態(tài)編程語言（如C / C ++和Fortran）相媲美。
它在很多機器學習研究領域（比如模式識別、NLP、IoT數(shù)據(jù)分析、CV、自動駕駛、圖形分析和信號處理等）都大有作為。此外，它還像R，Python和MATLAB一樣易于使用，也因此正迅速成為數(shù)據(jù)科學和通用科學計算領域中一門競爭力很強的編程語言。
原文：
https://arxiv.org/abs/2003.10146v1
其他爆款論文
一個自動、可擴展且更準確高效的面部檢測器AFSD：
https://arxiv.org/abs/2003.11228v1
無監(jiān)督3D可控圖像合成的首次嘗試：
https://arxiv.org/abs/1912.05237v2
RL最優(yōu)技術水平及經(jīng)濟學、博弈論、運籌學和金融學等多學科應用：
https://arxiv.org/abs/2003.10014v1
用于固有圖像分解端到端3D重建方法：
https://arxiv.org/abs/2003.10432v1
基于文本值的小型企業(yè)違約預測：
https://arxiv.org/abs/2003.08964v1
數(shù)據(jù)集
大規(guī)模圖像數(shù)據(jù)集，可顯著提高立體超分辨率和自監(jiān)督單眼深度估計等任務的結果：
https://github.com/leiainc/holopix50k
AI大事件
Julia1.4：功能更新、速度加快：
https://www.zdnet.com/article/programming-language-julia-v1-4-is-even-faster-and-brings-these-new-features/
Google AI支持教職科研的新方式：
https://ai.googleblog.com/2020/03/exploring-new-ways-to-support-faculty.html
Microsoft幫助啟動C3.ai數(shù)字化轉型研究所：
https://www.zdnet.com/article/c3-ai-microsoft-help-launch-the-c3-ai-digital-transformation-institute/
全世界應如何應對冠狀病毒大流行
https://www.independent.co.uk/voices/coronavirus-covid-19-pandemic-outbreak-data-research-cdc-who-a9406281.html
本月訪談
Sarah Mestiri的職業(yè)發(fā)展路徑：從軟件工程師到數(shù)據(jù)科學家
大約3年前，Sarah辭去了軟件工程師的工作，并開始努力成為一名機器學習專家。
她現(xiàn)在已經(jīng)是一名數(shù)據(jù)科學家，就職于德國柏林的移動應用重定向公司Remerge GmbH。她正致力于通過利用最新技術解決現(xiàn)實問題，從而改善民生。
了解她的經(jīng)歷：
https://medium.com/@cdossman/how-sarah-mestiri-transitioned-from-a-software-engineer-to-a-data-scientist-972de50203fa
