一起学习人工智能——走向人工智能社区新闻通讯第三期
深入人工智能世界——探索人工智能社区新闻通讯第三期
早上好，AI 爱好者们！我很激动地与大家分享本周的播客节目，在节目中我和Ken Jee聊了很多。Ken在数据科学领域是一个非常有名的AI人物。Ken在数据科学领域的经历非常鼓舞人心，特别是他对日常生活和运动中的人工智能的看法。对于对现实世界中的人工智能和打造更好的投资组合有好奇心的人来说，这是必听的！
对于本周的迭代，我们有来自我们社区成员的非常酷的东西，比如Rmarquet的聪明文本注释工具，非常适合自然语言处理爱好者。此外，本周还有很多合作机会，也许你会找到你下一个人工智能项目的伙伴！
本周Towards AI精选的部分也非常棒，涉及到一些与人工智能相关的独特主题。我很高兴看到这些被发布出来。一起深入新闻简报，收听播客，让我们一起探索令人惊奇的人工智能世界吧！ 😀
Louis-François Bouchard，Towards AI联合创始人和首席技术官
What’s AI Weekly
在本周的What’s AI播客节目中，Louis Bouchard采访了Ken Jee，这是数据科学和人工智能领域的一位杰出人物，探讨了这些领域的各个方面。Ken分享了他在数据科学方向上的经历，重点介绍了数据分析在日常生活和运动中的实际应用，为讨论人工智能和数据科学的更广泛影响做好了准备。他们还讨论了人工智能初创公司的世界，当前的趋势以及新公司对人工智能技术的依赖，主要集中在ChatGPT等大型语言模型（LLMs）上。如果你对更好地利用人工智能进行工作和提高生产力、打造事物（初创公司）或播客世界感兴趣，请收听这期节目，可以在Spotify、Apple Podcasts或YouTube上收听。
Learn AI Together社区板块！
来自Discord的社区精选帖子
Rmarquet 最近推出了一个用于文本注释的Streamlit组件。这个文本注释工具可以帮助用户简化他们的文本分析和注释过程。它对于所有从事自然语言处理、机器学习或其他基于文本的项目的人都是相关的。这个组件可以帮助你高效地进行注释和组织数据。在GitHub上查看一下并支持社区成员！在 这个帖子中分享你的反馈意见。
本周的AI投票！
大多数社区成员更喜欢实践学习；通过在Discord上参与讨论，分享你正在进行的酷项目以及你正在学习的内容。
合作机会
Learn AI Together Discord社区充满了合作机会。如果你对应用型人工智能感兴趣，想要一个学习伙伴，甚至想要找一个伴侣来实现你的激情项目，请加入合作频道！也请关注这个栏目，我们每周都会分享一些很酷的机会！
1. Yash_907正在寻找学习伙伴。他们目前正在寻找一位伙伴一起学习算法、数学和其他人工智能和机器学习相关的主题。如果你有兴趣，可以在这个主题中与他们联系。
2. Alkoridm_91733正在寻找合作伙伴，合作完成一个人工智能/机器学习项目。他们正在寻找来自德克萨斯州达拉斯-沃思堡地区、中美洲时间的合作伙伴。如果你符合条件，请在此主题中联系。
3. Anaa1173正在寻找有帮助建立一个以Neville Goddard演讲为基础的AI聊天机器人的人。该项目还需要一个以提示为基础的网站，具有文本和音频响应机制。如果你能帮助他们完成这个项目，请在此主题中联系。
本周的梗图！
梗图分享者：hitoriarchie
TAI优选内容
本周文章
通过神经协作过滤掌握推荐引擎，作者：Priyansh Soni
本文是你构建神经协作过滤推荐引擎的指南手册。从简要介绍推荐引擎开始，然后涉及不同类型的推荐引擎，主要关注基于模型的协作过滤，最终讲解神经协作推荐引擎的工作原理。
我们必读的文章
你会使用ANOVA进行特征选择吗？，作者：Sai Viswanth
在开发机器学习模型时，我们经常忽略最关键的一步——特征选择。选择与目标变量高度相关的正确特征可以使你的模型发挥潜力。本文着重介绍了ANOVA，一种用于选择与目标变量高度相关特征的过滤方法。
本周13/11到19/11的重要LLM论文，作者：Youssef Hosni
LLM（Large Language Models）的最新关键论文涉及基准测试、训练和伦理等方面，推动了我们对LLM的理解。了解最新进展对专业人士至关重要。这些论文展示了改进LLM的进展，LLM是提高人工智能推理和性能的关键。将它们与人类价值观的一致性放在首位对负责任和道德的人工智能发展至关重要。这些论文使你了解到快速发展的人工智能领域，对于从业者和爱好者来说，对于在LLM推动创新的未来中保持领先具有重要意义。
科学家如何利用人工智能与其他物种进行交流，作者：Andrew Akhigbe
通过回顾2023年11月针对图像识别和从文本创建3D模型的学术著作，了解本周最新的计算机视觉进展。“MetaDreamer”是一项将文本与3D创建相结合的研究，创新性地将几何学和纹理分离，并将计算机视觉从解释扩展到复杂生成。它是更广泛的文集中探索高级视觉语言模型和视频分析的一部分。在这个精选的计算机视觉论文集合中，发现关于人工智能和图像的关键见解，可用于你的研究或对话。
揭秘权重、偏差和损失：深入了解深度学习 作者：Mainak Mitra
理解神经网络涉及掌握权重、偏差和损失函数等关键概念，这些对于塑造网络连接和解读数据中的模式至关重要。神经学习依赖于微调突触、加强关键特征和减少噪声，使得神经网络能够有效识别核心模式。深入了解这些基础知识，掌握深度学习。
如果您有兴趣在”Towards AI”上发布文章，请查看我们的指南并注册。如果符合我们的编辑政策和标准，我们将在我们的网络上发布您的作品。
认为朋友也会喜欢这篇文章吗？分享这篇新闻通讯，让他们加入讨论。
