不同社区的用户习惯于引用有关其领域的有趣内容。分享关于机器学习，深度学习，数据科学以及您每天所面临的事情的有趣事情可能会很有趣！

问：更换灯泡需要多少机器学习专家？

答：只有一个，但是它们需要一百万个灯泡才能正确训练。

问：更换荧光灯泡需要多少机器学习专家？

答：训练数据中没有！

神经网络不是黑匣子。它们是一大堆线性代数：

来自xkcd的图像

1. 如果您折磨数据足够长的时间，它将告诉您您想听的任何内容。

2. 统计信息表明统计信息不可信任。

我觉得这很有趣，因为它是真的。

资源

可爱有趣...

这个总是无缘无故地把我吓坏了。

频繁派与贝叶斯派

文字记录：

太阳刚刚爆炸了吗？
（今天晚上，所以我们不确定）

[双统计人员站在一起是可疑的类似K-9在威斯敏斯特字体]说的是一种可爱的小电脑]
频率论统计员：这中微子探测器测量太阳是否已经新星。
贝叶斯统计学家：然后，掷出两个骰子。如果它们都达到六，那对我们来说就是谎言。否则，它说实话。
FS：让我们尝试。[[到检测器]] 检测器！太阳变新星了吗？
检测器： << roll >> 是。

统计学家：
FS：偶然出现此结果的概率为。由于，我得出结论太阳已经爆炸了。$\frac1{36}=0.027$$p< 0.05$

贝叶斯统计学家：
BS：押注您$ 50，但还没有。

标题文字：

'探测器！会是什么贝叶斯统计学家说，如果我问他是否the-“ [滚动] ”我是一个中微子探测器，而不是迷宫守卫。真的，你的大脑掉了吗？[卷] “ ...是的。”

问题：机器学习和AI有什么区别？

回答：

如果它是用Python编写的，则可能是机器学习。

如果是用PowerPoint编写的，则可能是AI。

不确定他们是否符合条件，但是有一些有趣的事实来自各种来源：

从Yann Lecun开始：

• 杰夫·欣顿（Geoff Hinton）不需要制作隐藏的单位。当他走近时，他们自己躲起来。

• 杰夫·欣顿（Geoff Hinton）同意您的
  看法，但与此形成鲜明对比的是他（与文森特·范豪克（Vincent Vanhoucke））

• 莎士比亚和贝叶斯在船上钓鱼。当莎士比亚说：“有回路还是不回路？这是问题所在”时，贝叶斯正试图找出投下哪个网。

• 真正的信仰网深深地相信杰夫·欣顿。

• 杰夫·欣顿（Geoff Hinton）发现了大脑的真正运作方式。
  最近25年每年一次。

• 贝叶斯人是唯一在融合后会感到边缘化的人

  现在是传说：

  

Reddit的一位：

YOLO：您只有一次学习

PS：伊恩·古德费洛和尤尔根·施米德赫伯是共同创作的论文（在NIPS 2019年提出）逆甘斯（更多笑话的话题在这里）

机器学习算法陷入困境。

酒保问：“你会吃什么？”

该算法说：“其他所有人都有什么？”

让我拥抱你，痛苦的逆境，因为聪明的人说这是最明智的做法。

Yann Le Trump！😂😂😂

A：什么是机器学习先生？B：这不是机器学习！是机器燃烧，伙计。

戴维·马齐尼（Davide Mazzini）

“预测很难-尤其是关于未来的预测。”

（Yogi Berra或Neils Bohr，取决于您更喜欢物理学还是棒球）

在2006年，一个普遍的笑话是，您将因撰写标题为“ Karl Marx”或“ Neural Network”的论文而获得大奖，并被NIPS接受。现在，这已成为后者的标准...：D