一个模型库学习所有：谷歌开源模块化深度学习系统Tensor2Tensor丨数据工匠简报（Jun. 26）

一个模型库学习所有：谷歌开源模块化深度学习系统Tensor2Tensor

在谷歌提交热点论文《Attention Is All You Need》和《One Model To Learn Them All》不久之后，这家公司很快就发布了最新研究的模型和训练集。昨天，谷歌发布了一个名为 Tensor2Tensor（T2T）的 TensorFlow 开源系统，希望能够以此提高机器学习社区的研究和开发速度，其中包含了谷歌近期提出的多个最新模型。此外，T2T 将深度学习所需的各个组件以模块化呈现，这意味着开发者和研究人员能够更快地实现自己的新想法。

深度学习（DL）在很多技术领域中都已获得广泛应用，包括机器翻译、语音识别和物体识别等。在研究社区中，人们可以找到各类研究作者开源的代码，复制他们的结果，进一步发展深度学习。但这些深度学习系统大多为特定的任务进行了专门的设置，只适用于特定的问题和架构，这意味着人们难以开展新的实验并比较结果。

Kaggle是建模比赛，不算数据产业实践

最近跟一些高校老师同学沟通，大家都非常认可一个理念，就是：数据科学的教育，必须非常强调注重相关的产业实践。

但是，怎样才能把“数据产业实践”带入数据科学的教育，却没有统一的认识。其中有一种看法就是：参加Kaggle这样的数据建模比赛就可以了。对于这样的看法，熊大不认同。

毋庸置疑，Kaggle是一个非常优秀的平台，组织的赛事备受全球数据科学爱好者追捧。国内也不乏有类似的模仿者。这都是值得称许的努力，对数据科学的普及教育帮助很多。但是，这不是数据产业实践！

柯洁首战负于 AlphaGo，但胜负其实早已没有悬念

深度学习的概念已经非常火，并广泛应用在计算机视觉、计算机图形学等人工智能方向中。深度学习极大推动了人工智能的发展，当前无论科研界还是企业界，都在发力深度学习的研究和应用；谷歌大脑、百度的IDL、腾讯的AI lab等都在布局人工智能，花重金招兵买马。

深度学习，作为机器学习的一个特定分支，为什么在诸多应用领域中的表现，远超传统的机器学习方法？它的原理或本质到底是什么？深度学习的概念于2006年提出至今，大量的深度学习模型被改进和优化。但遗憾的是，至今没有一套严谨科学的课程体系适合本科生或者研究生入门，专注于前沿科技的在线教育平台—深蓝学院近期正式推出《深度学习：从理论到实践》在线直播课程。此次课程的讲师团队成员均为中国科学院自动化所博士（2017年，中科院自动化所成为大陆地区唯一一家在人工智能领域发表超500篇论文的单位，被评为全国人工智能研究Top 1的机构）。

更多课程和文章尽在微信号：「datartisan数据工匠」