再好的数据，也离不开可视化 — David 9
最近David 9翻看以前收藏，发现一篇关于python可视化库的文章，现在忍不住想分享给大家。以下是改编和翻译：
从专注研究眼睛移动的GazeParser项目到可视化神经网络实时训练的pastalog项目，优秀的python可视化的项目非常多，是时候我们总结一下10个超实用的python可视化库，相信总有一款适合你~ 而且，这些库可以在jupyter python notebook中直接运行显示。
上图是两个柱状图 (matplotlib)
matplotlib 是经典老牌的Python数据可视化库了。在Python社区里几乎无人不知。而且它模仿了1980年代的MATLAB可视化库。
又因为matplotlib是第一个Python数据可视化库，许多优秀的可视化库是基于matplotlib的，比如 pandas 和 Seaborn。 继续阅读10个超实用的python可视化库，总有一款适合你~
婴儿的基因里似乎有很高级的先验，他们自出生开始就运用自己的先验自主学习这个物质世界，而且成长迅速。— David 9
AAAI 英文全称是「National Conference of the Association for the Advance of Artificial Intelligence」，中文为「美国人工智能协会」年会，成立于 1979 年，今年2017已经举办到了第 31 届。
AAAI年会. 是一个很好的会议, 但其档次不稳定, 因为它的开法完全受 IJCAI制约: 每年开, 但如果这一年的 IJCAI在北美举行, 那么就停开. 所以, 偶数年里因为没有IJCAI, 它就是最好的AI综合性会议, 但因为号召力毕竟比IJCAI要小一些, 特别是欧洲人捧AAAI场的比IJCAI少得多(其实亚洲人也是), 所以比IJCAI还是要稍弱一点; 在奇数年, 如果IJCAI不在北美, AAAI自然就变成了比IJCAI低一级的会议, 例如2005年既有IJCAI又有AAAI, 两个会议就进行了协调, 使得IJCAI的录用通知时间比AAAI的deadline早那么几天, 这样IJCAI落选的文章 可以投往AAAI.在审稿时IJCAI 的 PC chair也在一直催, 说大家一定要快, 因为AAAI 那边一直在担心IJCAI的录用通知出晚了AAAI就麻烦了.
AAAI 2017结束不久，今天我们来研究2017的优秀论文奖：Label-Free Supervision of Neural Networks with Physics and Domain Knowledge。
没错，这篇论文可以运用到自动驾驶中，因为自动驾驶的环境有太多无样本标注的情况出现，没有人能对所有突发路况都事先了如指掌。这就是本论文最大应用价值之一。
借助高级的先验，进行无样本标注的训练，至少有两点好处：
继续阅读AAAI 2017论文精选#1— 用物理学和域知识训练“无标注样本的”神经网络（ Outstanding Paper Award 优秀论文奖）
2016 年已经过去，BEEVA Labs 数据分析师 Ricardo Guerrero Gomez-Ol 近日在 Medium 上发表了一篇文章，盘点了目前最流行的深度学习框架。为什么要做这一个盘点呢？他写道：「我常听到人们谈论深度学习——我该从哪里开始呢？TensorFlow 是现在最流行的吧？我听说 Caffe 很常用，但会不会太难了？在 BEEVA Labs，我们常常需要应对许多不同的深度学习库，所以我希望能够将我们的发现和感想分享出来，帮助那些刚刚进入深度学习这一美丽世界的人。」
TensorFlow
链接：https://www.tensorflow.org/
对于那些听说过深度学习但还没有太过专门深入的人来说，TensorFlow 是他们最喜欢的深度学习框架，但在这里我要澄清一些事实。
在 TensorFlow 的官网上，它被定义为「一个用于机器智能的开源软件库」，但我觉得应该这么定义：TensorFlow 是一个使用数据流图（data flow graphs）进行数值计算的开源软件库。在这里，他们没有将 TensorFlow 包含在「深度学习框架」范围内，而是和 Theano 一起被包含在「图编译器（graph compilers）」类别中。 继续阅读深度 | 对比深度学习十大框架：TensorFlow最流行但并不是最好
