宅家长蘑菇？让这份微软亚洲研究院AI学习资源集锦给你充充电

编者按：各位小伙伴新年好，这个春节假期里疫情牵动人心，我们的读者中也不乏坐标湖北的小伙伴，我们由衷地希望大家平安健康，我们一起为抗击新冠肺炎加油！

我们也为呆在家中的小伙伴整理了一份居家学习资源清单， 在正式返校返工之前，让我们一起热热身，调整状态，准备开启新一年的学习和工作吧！

免费精选 AI 课程集锦， 尽在微软人工智能 教育与学习共建社区：

秉持着 “学习、实践、共享、迭代”的宗旨，微软人工智能教育与学习共建社区以由浅入深的课程体系、清晰全面的学习路径，不断为学生、开发者和教师提供优质的人工智能教育资源，为人工智能的学习与应用提供了绝佳的学习入口。

现在，微软人工智能教育与学习共建社区2.0已全新上线！作为一个开放社区，我们正在与大家一起努力，共同实现社区的可持续发展。

GitHub 地址：https://github.com/microsoft/ai-edu

微软开源自动机器学习工具 NNI 也上新了，这里有最新的概览及功能详解：

微软亚洲研究院推出的 NNI (Neural Network Intelligence) 已在 GitHub 上获得 5.3K 星，成为最热门的自动机器学习（AutoML）开源项目之一。最新版本的 NNI 对机器学习生命周期的各个环节做了更加全面的支持，包括特征工程、神经网络架构搜索（NAS）、超参调优和模型压缩在内的步骤，你都能使用自动机器学习算法来完成。

最友好的是，NNI 的所有文档都有中文版！无论你是刚刚入门机器学习的小白，还是身经百战的“调参大法师”，相信 NNI 都能助你一臂之力。

NNI 完整中文文档 GitHub 地址：https://aka.ms/nnizh

2020年 AI 将往何处去？汇聚研究院之力，我们将这份覆盖最全领域的开年解读送给你：

• 机器学习更亲民，AI系统更精巧

• NLP新范式凸显跨任务、跨语言能力，语音处理落地开花

• 微软亚洲研究院NLP与语音领域2019-2020推荐论文列表

• 计算机视觉突破固化，OCR引擎更具商用价值

• 计算机视觉领域2019推荐论文列表

• 数据洞察对话即得，三维构建直面挑战

• 数据智能与计算机图形学领域2019推荐论文列表

如果忙碌的你在2019年错过了一些重要的顶会，这些精选论文集合值得一看：

• NeurlPS 2019丨微软亚洲研究院精选论文解读

• ACL 2019 | 微软8篇精选论文解读，一览最新研究进展

• EMNLP 2019丨微软亚洲研究院精选论文解读

• CVPR 2019 | 微软亚洲研究院7篇精选论文解读

• ICCV 2019丨微软亚洲研究院精选论文解读

• ICLR 2019丨一文详解微软亚洲研究院6篇入选论文

• IJCAI 2019 | 一文详解微软亚洲研究院6篇精选论文

• KDD 2019 | 一文详解微软亚洲研究院7篇精选论文

• WWW 2019 | 微软亚洲研究院6篇入选论文一览

下面是微软亚洲研究院过去一年中在不同领域的重要研究成果：

计算机视觉与图形学

• 童欣：数据驱动的图形学——过去、现在和未来
  

• 2D/3D联合卷积模块MiCT：全面提升行为识别的性能和效率

• 一文尽览近似最近邻搜索中的哈希与量化方法

• 微软全新视频索引器：机器帮你轻松看懂视频

• CVPR 2019分享会论坛实录丨2019最值得期待的计算机视觉问题有哪些？

• CVPR 2019 | 告别低分辨率网络，微软提出高分辨率深度神经网络HRNet

• CVPR 2019 | 基于密集语义对齐的行人重识别模型：有效解决语义不对齐
  

• 全息显示、空间锚点以及计算机视觉的未来

• 微软发布Windows Vision Skills预览版，轻松调用计算机视觉API

• 基于关系网络的视觉建模：有望替代卷积神经网络

• SIGGRAPH 2019丨支持任意数量、任意分辨率的输入图像的纹理材质建模

• ICCV 2019丨 RepPoints: 替代边界框，基于点集的物体表示新方法

• ICCV 2019丨基于跨视角信息融合的三维人体姿态估计

• ICCV 2019 | 递归级联网络：基于无监督学习的医学图像配准

• AI换脸鉴别率超99.6%，微软用技术应对虚假信息

• NeurIPS 2019丨是呆头伯劳鸟还是南灰伯劳鸟？深度双线性转换帮AI准确区分

• AAAI 2020丨从嘈杂视频中提取超清人声，语音增强模型PHASEN已加入微软视频服务

• AAAI 2020 | 时间可以是二维的吗？基于二维时间图的视频内容片段检测

自然语言处理

• ACL 主席周明：一起拥抱 ACL 和 NLP 的光明未来

• 微软亚洲研究院开源表格数据集TableBank，数据量达41.7万

• 周明：NLP进步将如何改变搜索体验

• 微软开源用于学习通用语言嵌入的MT-DNN模型

• 微软机器阅读理解系统性能升级，刷新CoQA对话式问答挑战赛纪录

• ICML 2019 | 序列到序列自然语言生成任务超越BERT、GPT！微软提出通用预训练模型MASS

• 微软亚洲研究院发布业界最全面的语义分析数据集MSParS

• 参数少一半，效果还更好，天津大学和微软提出Transformer压缩模型

• 机器推理系列文章概览：七大NLP任务最新方法与进展

• 机器推理系列第一弹：机器推理在常识问答任务中的应用

• 机器推理系列第二弹：机器推理在事实检测任务中的应用

• 机器推理系列第三弹：跨语言预训练，提高机器推理的迁移能力

• 机器推理系列第四弹：基于推理的多轮语义分析和问答

• 机器推理系列第五弹：文本+视觉，跨模态预训练新进展

• AAAI 2020丨沟壑易填：端到端语音翻译中预训练和微调的衔接方法

推荐系统

• 微软开源项目提供企业级可扩展推荐系统最新实践指南

• IJCAI 2019 | 为推荐系统生成高质量的文本解释：基于互注意力机制的多任务学习模型

• EMNLP 2019 | 基于层次化注意力图网络和多视角学习的商品推荐

• 基于多视角学习和个性化注意力机制的新闻推荐

数据智能

• 带你读论文 | 数据到文本生成的近期优质论文，我们为你挑选了这六篇

• Azure如何利用机器学习“预知”虚拟机故障？

• 智能数据分析技术，解锁Excel“对话”新功能

• 大众可视化：精美酷炫的可视化图表，自动生成！

机器学习

• 刘铁岩经验分享：形成机器学习研究的闭环

• WMT 2019国际机器翻译大赛：微软亚洲研究院以7项第一成为冠军

• 机器教学：用人类的专业知识与经验指导机器学习

• ICML 2019 | 微软提出极低资源下语音合成与识别新方法，小语种也不怕没数据了！

• 速度提升270倍！微软和浙大联合推出全新语音合成系统FastSpeech

• 微软超级麻将AI Suphx，破解非完美信息游戏

• 带你读论文丨8篇论文梳理BERT相关模型进展与反思

• EMNLP 2019丨微软提出显式跨语言预训练模型CMLM，显著提升无监督机器翻译性能

• EMNLP 2019 | 大规模利用单语数据提升神经机器翻译

• NeurIPS 2019丨推敲网络+soft原型序列，带来轻便又精准的机器翻译

• NeurIPS 2019 | 全参数化分布，提升强化学习中的收益分布拟合能力

系统与网络

• 周礼栋：现在是计算机系统和网络研究“最好的时代”

• NSDI 2019：微软亚洲研究院最新论文将实现FPGA互联互通
  

• 细粒度稀疏也能取得高加速比：神经网络模型压缩与加速的新思路

• 从ServerSwitch到SONiC Chassis：数据中心交换机技术的十年探索历程

• 智能边缘计算：计算模式的再次轮回

勤洗手，少出门，看书写码读论文

也提醒大家注意防护，节后安全返工返校

祝大家学习愉快！

你也许还想看：