光纤:简化人工智能的分布式计算
在过去的几年中，计算机处理能力的提高导致了机器学习的进步。越来越……
介绍Neuropod, Uber ATG的开源深度学习推理引擎
由Uber ATG开发的Neuropod是一个抽象层，它提供了一个通用接口，可以在任何深度学习框架上运行模型。
在Uber ATG的数据挖掘操作中：识别机器规模的真实道路场景......
Uber ATG的自动驾驶汽车测量了多种可能的场景变化，以回答一个古老的问题:“行人如何过马路?”
元图:使用元学习的少杆链接预测
优步AI介绍了元图，这是一种新的几次链路预测框架，便于更准确地培训ML模型，可快速适应新图形数据。
利用热释光器设计优化实验的新框架
优步AI在Pyro上发布了一个新的框架，让实验者无缝自动化最佳实验设计（OED），以便更快地迭代。
Enhanced POET:通过无限创造学习挑战及其解决方案的开放式强化学习
在我们现有的开放式学习研究的基础上，Uber AI发布了Enhanced POET，该项目整合雷竞技是骗人的了改进的算法，允许更多样化的培训环境。
在Uber ATG的机器学习基础架构和版本控制平台的罩下......
管理多台机器学习模型以启用自动驾驶车辆是挑战。Uber ATG开发了一种模型生命周期，用于快速迭代和用于连续交付和依赖管理的工具。
建立一个重新测试的服务来测量Uber级的模型性能
我们建立了一个回溯测试服务，以更好地评估财务预测模型的错误率，促进改善预测业绩和决策。
高级艾伯艾，2019年：与人工智能推进流动性
2019年，优步人工智能开发了工具和系统，利用ML来提高定位精度和增强实时预测，以及我们平台上的其他应用程序。
生成式教学网络:通过学习生成合成训练数据来加速神经结构搜索
由Uber AI Labs开发，生成教学网络（GTN）自动生成培训数据，学习环境和课程，以帮助AI代理快速学习。
用即插即用语言模型控制文本生成
即插即用语言模型(Plug and Play Language Model)是由优步人工智能实验室(Uber AI Labs)推出的，它让NLP从业者能够灵活地将一个或多个简单的属性模型插入到一个大型的、无条件的语言模型中。
用优步吃的食物发现:使用图学习为推荐提供动力
通过将图形学习技术与我们的优步聚合，我们在我们的平台上为食用者创造了更加无缝和个性化的用户体验。
优步去NeurIPS 2019
优步在加拿大温哥华举行的2019年NeurIPS大会上提交了11篇论文，并赞助了包括机器学习中的女性(Women in Machine Learning, WiML)和人工智能中的黑色(Black in AI)在内的研讨会。
宣布2020年优步人工智能常驻
优步的2020年人工智能驻留将通过优步先进技术集团(ATG)专注于与我们的自动驾驶汽车项目相关的倡议。
在ICCV，Corl和Iros 2019上了解Uber ATG
参加ICCV、CoRL或IROS 2019?了解优步ATG在人工智能的最新研究通过检查我们的研讨会，海报雷竞技是骗人的，和主题。
进化米开朗基罗模型表示法的灵活性在规模
为了适应额外的ML用例，优步演变了Michelangelo的应用Apache Spark Mllib库，以获得更大的灵活性和可扩展性。
可搜索的地面真相:查询无人驾驶汽车发展的不常见场景
在开发优步的自动驾驶汽车系统时，工程师们找到了一种方法，可以在代表真实情况的tb级传感器数据中识别边缘情况。
优步科学：改善人工智能运输
优步首席科学家Zoubin Ghahramani解释了人工智能如何从学术界到现实世界的应用，以及优先权如何利用它更好地交通。
三种缩放机器学习的方法与优步西雅图工程
2019年4月，在Uber西雅图举行的ML和AI聚会上，我们的工程团队成员讨论了三种不同的方法来增强我们的ML生态系统。
Science at Uber:为机器学习提供动力
产品经理Logan Jeya解释了Uber的机器学习平台Michelangelo，可以轻松地部署启用数据驱动的决策的模型。
