一份面向计算机科学基础及全栈开发、深度学习和自然语言处理的定制化计算机科学课程清单(学习资源集)

一份面向计算机科学基础及全栈开发、深度学习和自然语言处理的定制化计算机科学课程清单(学习资源集)作者语：作为一名拥有物理学背景的机器学习软件工程师，我觉得缺乏计算机科学学位是我长期成长的一个限制因素。为了正面解决这个问题，我利用我在网上找到的最佳资源为自己设计了这门课程，重点关注CS基础知识以及全栈开发、深度学习和自然语言处理。有通用知识课程和项目课程。通用知识课程用于将大脑中的知识索引到一个有组织的系统中。面对新问题时，至少知道要查找哪些相关信息。项目课程是真正的学习过程。边做边学是学习的唯一途径。如果你对这个课程的创建哲学感兴趣，我写了一篇关于它的文章：#计算机科学

Meta 开源计算机视觉基础模型 DINOv2

Meta开源计算机视觉基础模型DINOv2Meta开源了它的计算机视觉基础模型DINOv2，源代码托管在上，和Meta近期开源的其它AI模型一样，采用的是非商用的CC-BY-NC4.0许可证。DINOv2是基于VisionTransformer(ViT)架构，使用一个包含1.42亿幅图像的精选数据集进行预训练，可用于图像分类、视频动作识别、语义分割和深度估计等任务。Meta称DINOv2模型的速度是旧方法的两倍，使用的内存只有旧方法的三分之一。测试显示它相比其它同类模型有显著改进。来源，来自：雷锋频道：@kejiqu群组：@kejiquchat投稿：@kejiqubot

Google计划建立巨型人工智能语言模型 支持全球1000种最常用的语言

Google计划建立巨型人工智能语言模型支持全球1000种最常用的语言语言和人工智能可以说一直是Google产品的核心，但最近机器学习的进步--特别是强大的、多功能的"大型语言模型"或LLM的开发--使这些领域得到了新的重视。Google已经开始将这些语言模型整合到Google搜索等产品中。但语言模型有许多缺陷，包括倾向于转述有害的社会偏见，如种族主义和仇外心理，以及无法以人类的敏感性来解析语言。在自己的研究人员发表了概述这些问题的论文后，Google自己也臭名昭著地解雇了他们。不过，这些模型能够完成许多任务，从语言生成（如OpenAI的GPT-3）到翻译（见Meta的"不遗漏语言"工作）。Google的"1000种语言计划"并不专注于任何特定的功能，而是要创建一个具有世界上各种语言的巨大知识广度的单一系统。Google人工智能研究副总裁ZoubinGhahramani说，该公司认为，创建一个如此规模的模型将使其更容易将各种人工智能功能带到在线空间和人工智能训练数据集中表现不佳的语言（也被称为"低资源语言"）。"语言就像生物体，它们是相互演化而来的，它们有某些相似之处。通过让一个单一的模型接触并训练许多不同的语言，我们在低资源语言上得到更好的表现，"Ghahramani说。"我们达到1000种语言的方法不是通过建立1000种不同的模型。语言就像生物体，它们是相互进化的，它们有某些相似之处。而且，当我们将一种新语言的数据纳入我们的1000种语言模型，并获得将[它所学到的东西]从一种高资源语言转化为低资源语言的能力时，我们可以在我们所谓的零点学习中找到一些相当惊人的进展。"过去的研究显示了这种方法的有效性，而Google计划中的模型的规模可以提供比过去的工作更多的收益。这种大规模的项目已经成为科技公司主导人工智能研究雄心的典型，并利用了这些公司在获得大量计算能力和训练数据方面的独特优势。一个类似的项目是Facebook母公司Meta正在尝试建立一个"通用语音翻译器"。Google表示，为了支持1000种语言模型的工作，它将资助收集低资源语言的数据，包括音频记录和书面文本。该公司表示，它没有直接计划在哪里应用这个模型的功能--只是预计它将在Google的产品中具有一系列用途，从Google翻译到YouTube字幕等等。"同样的语言模型可以将机器人的命令变成代码；它可以解决数学问题；它也可以进行翻译。关于大型语言模型和一般的语言研究，真正有趣的事情之一是它们可以做很多很多不同的任务，"Ghahramani说。"语言模型真正有趣的地方在于它们正在成为大量知识的储存库，通过以不同的方式探测它们，你可以获得不同的有用功能。"Google在一个新的人工智能产品展示会上宣布了1000种语言模型。该公司还分享了关于文本到视频模型的新研究，一个名为Wordcraft的人工智能写作助手原型，以及对其人工智能测试厨房应用程序的更新，该应用程序允许用户有限地访问正在开发的人工智能模型，如其文本到图像模型Imagen。...PC版：https://www.cnbeta.com.tw/articles/soft/1331651.htm手机版：https://m.cnbeta.com.tw/view/1331651.htm

IBM计算机“基准”实验显示量子计算机将在两年内超越传统计算机

IBM计算机“基准”实验显示量子计算机将在两年内超越传统计算机这项新研究的成果发表在上周的《自然》杂志上。科学家们使用IBM量子计算机Eagle来模拟真实材料的磁性，处理速度比传统计算机更快。IBM量子计算机之所以能超越传统计算机，是因为其使用了一种特殊的误差缓解过程来补偿噪声带来的影响。而噪声正是量子计算机的一个基本弱点。基于硅芯片的传统计算机依赖于“比特（bit）”进行运算，但其只能取0或1这两个值。相比之下，量子计算机使用的量子比特可以同时呈现多种状态。量子比特依赖于量子叠加和量子纠缠等量子现象。理论上这使得量子比特的计算速度更快，而且可以真正实现并行计算。相比之下，传统计算机基于比特的计算速度很慢，而且需要按顺序依次进行。但从历史上看，量子计算机有一个致命的弱点：量子比特的量子态非常脆弱，来自外部环境的微小破坏也会永远扰乱它们的状态，从而干扰所携带的信息。这使得量子计算机非常容易出错或“出现噪声”。在这一新的原理验证实验中，127量子比特的Eagle超级计算机用建立在超导电路上的量子比特计算了二维固体的完整磁性状态。然后，研究人员仔细测量每个量子比特所产生的噪声。事实证明，诸如超级计算材料中的缺陷等因素可以可靠预测每个量子比特所产生的噪声。据报道，研究小组随后利用这些预测值来模拟生成没有噪音的结果。量子霸权的说法之前就出现过。2019年，谷歌的科学家们声称，公司开发的量子计算机Sycamore在200秒内解决了一个普通计算机需要1万年才能破解的问题。但谷歌量子计算机所解决的问题本质上就是生成一长串随机数，然后检查它们的准确性，并没有什么实际用途。相比之下，用IBM量子计算机完成的新实验是一个高度简化但有真实应用价值的物理问题。2019年谷歌量子霸权研究成果参与者之一、加州大学圣巴巴拉分校物理学家约翰·马丁尼斯(JohnMartinis)表示，“这能让人们乐观认为，它将在其他系统和更复杂的算法中发挥作用。”（辰辰）...PC版：https://www.cnbeta.com.tw/articles/soft/1366285.htm手机版：https://m.cnbeta.com.tw/view/1366285.htm

计算机系统要素：从零开始构建现代计算机-尼萨

资源名称：计算机系统要素：从零开始构建现代计算机-尼萨描述：本书通过展现简单但功能强大的计算机系统之构建过程，为读者呈现了一幅完整、严格的计算机应用科学大图景。通过12个章节和项目来引领读者从头开始，本书逐步地构建一个基本的硬件平台和现代软件阶层体系。在这个过程中，读者能够获得关于硬件体系结构、操作系统、编程语言、编译器、数据结构、算法以及软件工程的详实知识。通过这种逐步构造的方法，本书揭示了计算机科学知识中的重要成分，并展示其它课程中所介绍的理论和应用技术如何融入这幅全局大图景当中去。链接/小白羊:我用阿里云盘分享了「[计算机系统要素：从零开...萨).周维.扫描版.pdf」，你可以不限速下载复制这段内容打开「阿里云盘」App即可获取链接：https://www.aliyundrive.com/s/J9MJCr9KqVm

生成式AI流行 计算机科学专业现在教授的是高级编程技能而不是死磕语法

生成式AI流行计算机科学专业现在教授的是高级编程技能而不是死磕语法除了测试和调试代码，讲师们还更加注重问题分解，即把一个大问题分解成一个个小问题，法律硕士可能更容易解决这些小问题。加利福尼亚大学圣迭戈分校计算机科学副教授利奥-波特（LeoPorter）在谈到这个问题时说："这是一项需要尽早掌握的技能，因为你需要将一个大问题分解成法律硕士可以解决的小问题。很难在课程中找到教授这项技能的地方--也许是在算法或软件工程课上，但那些都是高级课程。现在，它成为入门课程的重点。虽然人工智能确实可以帮助编码，但教授们仍然警告学生要谨慎使用，因为生成式AI可能会产生幻觉，还可能侵犯版权。他们还警告说，人工智能只能用作副驾驶，而不是自动驾驶。由于生成式人工智能是一门相当新的学科，许多教授刚刚开始调整他们的课程。这些课程目前采取的形式不可能是最终结果，因为他们需要看看这些课程在实践中的效果如何。教师们必须思考的另一个问题是，脱离语法的转变对人们的工作究竟有多大帮助。许多公司限制使用生成式人工智能，因为他们正在研究的秘密代码不想通过人工智能泄露出去。如果学生不跟之前一样学习那么多语法，他们可能会发现自己在现实世界中举步维艰。不过，生成式人工智能正在产生一些有益的影响。一位教育工作者在接受IEEE采访时说，他们曾经要求学生编写代码，然后根据他们是否通过了一些预先编写的测试来给他们打分。现在，这位教育工作者已经意识到这种教学模式过于局限，并拓宽了教学方法，这无疑是积极的。...PC版：https://www.cnbeta.com.tw/articles/soft/1429773.htm手机版：https://m.cnbeta.com.tw/view/1429773.htm