Android Things給物聯網設備帶來基于TensorFlow的機器學習和計算機視覺

最近發布的Android Things開發者預覽版2(DP2)使得TensorFlow更容易用于物聯網設備上的機器學習和計算機視覺。此外，它還針對幾個物聯網平臺擴展了USB音頻，增加了對英特爾Joule的支持，并通過新的Native PIO API使本地驅動程序可直接使用。

詳情：http://www.infoq.com/cn/news/2017/02/android-things-dev-preview-2

GitHub發布開源指南，指點新手如何參與開源項目

對程序員而言，參與開源有著難以置信的回報，比如有一個自己的出色開源項目，在技術面試能增色很多，極大加分。所以，越來越多的人在參與到開源運動中來。

但對很多新手來說，如何參與開源做出第一個貢獻，如何發起一個新項目，卻成了問題。

2月14日，GitHub 官博發文宣告正式推出“開源指南”( https://opensource.guide/ )，旨在方便想參與到開源的個人和組織。“開源指南”是一個系列集合，分了 “如何貢獻于開源項目”、“如何開啟開源項目”、“為項目找到用戶”等10 個方面，內容簡潔明了。

詳情：https://jaxenter.com/open-source-github-guides-131713.html

谷歌宣布啟動“視頻理解挑戰賽”，設10萬美元獎金池

雷鋒網(公眾號：雷鋒網)報道，谷歌博客最近比較忙，在發布 TensorFlow's 1.0這一重磅更新后，緊接著又發布了一條新聞：啟動一場基于YouTube-8M數據庫的視頻理解挑戰賽。挑戰賽提供了豐厚的獎金，并終將在今年的CVPR2017大會上進行展示。

為了促進圖像和視頻理解技術的發展，谷歌于上周三正式發布升級版的YouTube-8M，并與Google Cloud Machine Learning、 kaggle.com一起合作組織一場“視頻理解挑戰賽”和一場以此為主題的 CVPR’17 Workshop。

詳情：https://research.googleblog.com/2017/02/an-updated-youtube-8m-video.html

DeepCpG：利用深度神經網絡預測單細胞的DNA甲基化

DeepCpG是一個用來預測多個細胞中CpG位點甲基化程度的深度神經網絡。它可以精確地歸納不完整的DNA甲基化譜以發現具有預測意義的序列改變，同時還可以量化序列變異帶來的影響。

詳情：https://github.com/cangermueller/deepcpg/

模型學習全面概述：利用機器學習查找軟件漏洞

模型學習的目標是通過提供輸入和觀察輸出來構建軟件和硬件系統的黑箱狀態圖模型(black box state diagram model)。模型學習的算法的設計師一個基本的研究問題。

模型學習正在成為一種高效的漏洞尋找技術，有銀行卡、網絡協議和遺產軟件等領域的應用。

在新算法的設計上，最新出現了很多新進展，既有有限狀態圖(Mealy 機)背景的進展，也有數據(register automata)背景的進展。通過抽象(abstraction)技術的使用，這些算法可以被應用到復雜系統上。雷鋒網雷鋒網

詳情：http://dataunion.org/27345.html