大数据智能技术“3+3”学习路线

“新冠病毒”狙击战:疫情大数据联防联控二十一条

大数据智能核心技术入门:从大数据到人工智能

大数据到底怎么学:数据科学概论与大数据学习误区

大数据独角兽Palantir之核心技术探秘

中台崛起的本质是“去ERP化”

中台的崛起代表了一部分中国领先企业的“去 ERP 化”趋势,从以资源集约化为中心走向以用户价值为中心,从闭源单体架构的商业 ERP 套件走向分布式微服务架构的业务开放平台。本文将从微观宏观双视角展开阐述,微观层面以一个典型的订单服务的演进,展示数据中台业务中台的价值和联系;宏观层面,纵览企业后 ERP 时代的问题,分析中台崛起背后的企业诉求。中台崛起的意义2019 年的中台...

因疫情兴起的在线学习对高等教育意味着什么?

摘要: 当突发事件迫使人们围绕一个新想法进行广泛的实验时,社会和商业就会发生结构性的变化。例如,在第二次世界大战期间,当美国男人发动战争时,女人证明她们可以做“男人的”工作——而且做得很好,此后女人再没有退回 ... 当突发事件迫使人们围绕一个新想法进行广泛的实验时,社会和商业就会发生结构性的变化。例如,在第二次世界大战期间,当美国男人发动战争时,女人证明...

一文详解微服务架构!

本文将介绍微服务架构和相关的组件,介绍他们是什么以及为什么要使用微服务架构和这些组件。本文侧重于简明地表达微服务架构的全局图景,因此不会涉及具体如何使用组件等细节。要理解微服务,首先要先理解不是微服务的那些。通常跟微服务相对的是单体应用,即将所有功能都打包成在一个独立单元的应用程序。从单体应用到微服务并不是一蹴而就的,这是一个逐渐演变的过程。本文将以一...

算法阅读时代:你的点击在退化你

  我们已告别了阅读和创作的“纯真年代”,进入“算法阅读时代”。所有内容生产出来目的只为了吸引流量。因此你读到的所有标题,经过严格测试,百里挑一,只为了让你点击。人类作为内容消费生态圈中的一员,正在被算法驱动的内容控制、“洗脑”和退化。   1 最贵的商品   再过十几天,我们就要奔向2020年了。在即将逝去的2019年,你捧起一本书从头到尾读完过吗?有多少个...

波士顿动力CEO:不排斥军方 就想你粗暴地对待机器狗

  欢迎关注“创事记”微信订阅号:sinachuangshiji   文/乾明   来源:量子位(ID:QbitAI)   机器人能够后空翻,凌空劈叉,机器狗上下楼梯如履平地……   波士顿动力每次放出新的视频,都能激发起人们对“终结者”的想象力。   作为世界上最最最领先的机器人公司,这家公司得到了大量的关注,但也有各种质疑与好奇。   机器狗多钱一条?这家公司到底...

深度学习对计算机架构和芯片设计的影响

深度学习和 硬件怎样结合?计算机界神级人物、谷歌人工智能主管Jeff Dean发表了独自署名论文《The Deep Learning Revolution and Its Implications for Computer Architecture and Chip Design》,17页pdf论文,长文介绍了后摩尔定律时代的机器学习研究进展,以及他对未来发展趋势的预测判断。 摘要在过去的十年里,机器学习,特别是基于人工神经网络的深度学习方法取得了一系...

产品级深度学习开发指南

众所周知,深度学习模型仅仅只是构建 AI 产品的重要步骤,但并不是全部。一个互联网产品(如 APP)想要集成深度学习能力,往往还需要走完很多设计、开发和测试方面的工作。如何部署深度学习往往成为了系统设计中更关键的问题。近日,GitHub 上有这样一个项目,专门介绍了如何将深度学习算法和模型融入到互联网产品中。项目基本以流程、架构图为主,目前仍在完善中,适合产品经理和...

用光点亮黑箱:微软开源可解释机器学习框架

起初,机器于黑暗之中学习,为解释它们,数据科学家于虚空之中挣扎。然后,要有光。微软在可解释机器学习项目 InterpretML 的 GitHub 页面上这样写到。很显然,他们相信 InterpretML 会是打开机器学习黑箱的钥匙。在机器学习领域,可解释性(interpretability)至少在以下几个方面至关重要:调试模型——为什么我的模型会这样出错?检测偏见——我的模型会区别对待目标吗?人与人工智能...

骗子、假先知们一夜暴富背后:区块链是回归互联网本来意义的唯一希望?

编译 | 张震、Edison、Rik 来源 | 纽约时报杂志 这组词序并没有任何意义,真正让它们有价值的地方在于,这个词序是由一个被称为 MetaMask 的软件专门为我一个人生产的。 用密码学(cryptography)术语表达,就是助记词(seed phrase)。这组词汇读起来感觉毫无连贯性而言,却可以转变成一把钥匙,打开数字银行账户,或者进行在线认证。而且只需几步就完成了。 电脑在屏幕...

特斯拉AI:神经网络的训练秘籍

作者Andrej Karpathy是特斯拉的人工智能研究负责人。他博士毕业于斯坦福AI实验室,师从斯坦福“以人为本“人工智能研究院院长李飞飞。主要研究方向是卷积神经网络结构,自然语言处理,以及它们在计算机视觉上的应用。之前在谷歌大脑实习的工作内容是基于YouTube视频进行大规模特征提取。在DeepMind实习主要是做深度增强学习。 Andrej Karpathy曾连发推文细数六种神经网络研究中的常...

中国的计算机视觉,为什么成了美国的眼中钉?

文|脑极体 美国实体清单的大锤,终于落在了中国AI企业身上。 当地时间10月7日,美国商务部宣布,将8家中国企业在内的28个实体纳入出口管制实体清单,其中包括科大讯飞、旷视、商汤等等一系列我们所熟悉的AI企业。 相比华为被列入名单时吃瓜群众们的震怒,这时人们已经显得平静许多,不论是股市还是大众的关注度,都没有表现出太大的异常,或许是我们早已习惯了美国洽谈之...

人工智能想要落地,必须要解决的数据问题

众所周知,在数据量非常小的时候,深度学习的复杂网络无法取得很好的效果,辩证的讲,数据不是一种无限的资源,而人工智能所需的数据相当昂贵和耗时,一方面深度学习需要准确的标记图像或文本训练数据,而标记需要大量的人力;另一方面,许多数据存在着隐私和安全风险,比如说医疗等等,数据的开放不是短期内能解决的。 现在数据孤岛、数据隐私、小数据和标注等问题日益突出,当前...

百度 CTO 王海峰详解知识图谱与语义理解

非常高兴能有机会参加知识图谱和语义计算大会。我现在在百度负责的技术涉及互联网、大数据、人工智能等方方面面,但是我的专业其实是自然语言处理、知识图谱。大概 26 年前,我在哈工大,在李生教授和赵铁军教授的指导下做机器翻译系统。当时,主要是基于规则的系统,也要用到知识,那时的知识是把人类专家的知识编辑在规则里,实现语言的理解、生成,然后实现翻译。过去 20 多年,这...

AI:进入深灰地带

Zao 火了。这背后是一项2016年就出现的技术——大名鼎鼎的DeepFake。 编者按:本文来自微信公众号“筹码”(ID:Chouma2016),作者搬砖的筹码君,36氪经授权发布。Zao 火了,这背后是一项2016年就出现的技术——大名鼎鼎的DeepFake。 Deepfake =“deep learning”(深度学习)和“fake”(伪造)的混成词,专指用基于AI能够实时伪造面部表情,并将其渲染至2D视频的人体图像合成技术。 ...

美国2019人工智能研发战略计划报告

人工智能(Al)技术有望推动社会各领域的加速发展,包括经济、医疗、安全、法律、交通,甚至技术本身。2019年2月11日,总统签署了13859号行政命令,希望保持美国在人工智能技术的领先地位。这项命令启动了美国人工智能倡议,旨在促进和保护美国在人工智能的技术应用和创新。该倡议通过与私营部门、学术界、公众和国际合作伙伴的参与协作,以实施美国政府在AI领域的总体战略,包括要求联...

告别炼丹,谷歌提出“权重无关”神经网络

神经网络训练中 “权重” 有多重要不言而喻。但谷歌前段时间发表的研究表明,即使抛弃神经网络权重训练,使用随机共享权重,也可以执行各种任务。 他们提出一种新的神经网络结构的搜索方法——权重无关神经网络(Weight Agnostic Neural Networks,WANN),其关键思想是通过不再强调权重来搜索网络结构。 今天,该研究的两位作者、谷歌大脑学生研究员 Adam Gaier和研究科学家David Ha...