最新 | 最热门 | 最高评价

+0  AI开放平台介绍&AI模型性能调优纪要

Tag: 人工智能 | AI平台 | AI模型 | 模型调优
Gauin 发于 2020年08月26日 10:14 | 点击: 278 | 展开摘要
文-李红涛

1. 背景说明

AI在业务层由各种各样的模型发挥着神奇的价值。开发者一般基于TensorFlow、paddlepaddle等深度学习平台进行AI模型训练;

AI开发平台,一般为这些深度学习平台下的子产品,提供机器学习能力,解决一站式模型开发、生产预测的平台;

 

一般AI开发平台包括如下能力:

数据能力:数据获取、数据预处理(ETL)、数据集管理、数据标注、数据增强…

模型能力:模型管理、模型训练、模型验证、模型部署、模型处理、模型详情…

查看全文: http://www.udpwork.com/item/18011.html

+0  金山云业务分析纪要

Tag: 产品市场 | 人工智能 | 数据分析 | 公有云 | 金山云
Gauin 发于 2020年07月11日 21:05 | 点击: 269 | 展开摘要
文-李红涛

1. 云计算行业背景

云计算结构存在较大差异,美国云计算市场以SaaS为主,占比达到64%;而中国云计算市场SaaS占比仅为33%。

国内云计算渗透率偏低,未来公有云市场空间巨大。根据GGV报告显示,中国网民人数是美国的3.2倍,中国的线上零售规模是美国的1.3倍,公司数量是美国的5.8倍,但是IT领域的花费却是美国的18%左右,国内公有云的渗透率仅10%,美国公有云的渗透率22%。

2. 金山云美股市场被看好

截止2020.7.11涨幅超过发行价41%

查看全文: http://www.udpwork.com/item/18012.html

+0  快手的边界摸底和未来猜想

Tag: 产品门诊 | 人工智能 | 快手 | 抖音
Gauin 发于 2020年04月27日 23:03 | 点击: 269 | 展开摘要
文 李红涛

01 似曾相似的布局

在我印象中,非常欣赏马云老师的魔法口袋。左手右手不停从他那个魔法口袋中给你带来不一样的新产品。整体产品战略布局,又非常合理。布局之快,格局之大,叹为观止。整个阿里集团,不断突破边界。从早期的B2B2C电商平台,到现在的阿里经济体,感受下;

而最近又让我产生此类印象的,当属字节头条。真正形成了一超多强,不停布局探索新边界的可能;

 

字节跳动的快速崛起

张一鸣对外界提到过:“字节跳动的核心竞争力,直接来说是产品,产品背后是

查看全文: http://www.udpwork.com/item/18015.html

+0  浅析微软小冰算法和决策模型

Tag: 人工智能 | 小冰 | 微软小冰 | 情商模型 | 情绪模型 | 算法
Gauin 发于 2020年04月21日 22:06 | 点击: 267 | 展开摘要
文 李红涛

微软小冰,从2014年5月发布版本小冰一代,到2019年5月发布小冰七代;

概要:

1.小冰的训练数据,来源是全网数据

2.给用户打情绪标签

3.情绪数据来源:emoji数据表情

4.问答+情绪渲染 学习无情绪的表达 然后加上情绪的渲染

算法:

小冰的算法结构,信息输入、存储、分析、决策、输出等几个环节;

小冰的图片识别能力,是基于深度卷积神经网络(CNN)的计算机视觉算法系统,通过深度学习等机器学习算法,不断学习历史信息,建立相应数学模型。通过

查看全文: http://www.udpwork.com/item/18016.html

+0  浅谈百亿规模的内容审核业务

Tag: 产品市场 | 人工智能 | 数据分析 | AI | 内容审核
Gauin 发于 2020年04月20日 22:15 | 点击: 252 | 展开摘要
趋势一:内容审查监管力度逐步加强

从2018年大家就应该能感受到网络内容审查力度越来越大。感兴趣可以自行百度查询下最近2年的监管翻车触发的相关事件;

 

趋势二:内容态互联网公司审查人力成本逐步加大

需要大力投入内容审核的产品,大部分是:新闻资讯、视频直播、社区、IM聊天、低频法布类等;

尤其是直播最容易翻车!时效性越快,越容易翻车!

 

从网络公开资料看,字节跳动 2019审核人员1w人。快手 2019审核人员0.8w人;了解到dau 10

查看全文: http://www.udpwork.com/item/18017.html

+0  机器学习入门5:KNN近邻算法-图像检索-NN最近邻检索和ANN近似最近邻检索

Tag: 人工智能 | KNN | 机器学习
Gauin 发于 2020年04月17日 18:29 | 点击: 261 | 展开摘要
本文是机器学习入门的基础版,学习对象产品经理同学;

目前图像检索中最基础的检索能力:

NN检索-最近邻检索(Nearest Neighbor Search)

ANN检索-近似最近邻检索Approximate Nearest Neighbor。区别于ANN

 

1.概述

最近邻检索就是根据数据的相似性,从数据库中寻找与目标数据最相似的项目。这种相似性通常会被量化到空间上数据之间的距离,可以认为数据在空间中的距离越近,则数据之间的相似性越高。

K最近邻(K

查看全文: http://www.udpwork.com/item/18018.html

+0  机器学习入门2:第一个算法-决策树DecisionTree

Tag: 人工智能 | 决策树 | 机器学习
Gauin 发于 2020年03月24日 22:37 | 点击: 244 | 展开摘要
本文是机器学习入门的基础版,学习对象产品经理同学;

决策树学习三个过程:1.特征选择。2.构建决策树。3.剪枝

 

1.决策树是什么?

决策树DecisionTree是机器学习中相当经典的一种算法,既可以用作分类,也可以用作回归,同时还适合做集成学习用于随机森林等等,今天就来好好介绍一下决策树算法。

首先,决策树的思想就是非常容易理解的。通俗地讲就是拿到一堆样本之后,我首先根据某个特征,将样本划分为几类,然后在划分的每一类中,又根据新的特征再划分为若干类,

查看全文: http://www.udpwork.com/item/18019.html

+0  kNN 的花式用法

Tag: 人工智能 | AI
skywind 发于 2019年04月17日 22:58 | 点击: 348 | 展开摘要
kNN (k-nearest neighbors)作为一个入门级模型,因为既简单又可靠,对非线性问题支持良好,虽然需要保存所有样本,但是仍然活跃在各个领域中,并提供比较稳健的识别结果。

说到这里也许你会讲,kNN 我知道啊,不就是在特征空间中找出最靠近测试样本的 k 个训练样本,然后判断大多数属于某一个类别,那么将它识别为该类别。

这就是书上/网络上大部分介绍 kNN 的说辞,如果仅仅如此,我也不用写这篇文章了。事实上,kNN 用的好,它真能用出一朵花来,越是基础的东西越

查看全文: http://www.udpwork.com/item/17398.html

+0  如何实现和优化 SVM(支持向量机)?

Tag: 人工智能 | AI | 算法
skywind 发于 2019年04月08日 14:50 | 点击: 333 | 展开摘要
学习 SVM 的最好方法是实现一个 SVM,可讲理论的很多,讲实现的太少了。

假设你已经读懂了 SVM 的原理,并了解公式怎么推导出来的,比如到这里:

SVM 的问题就变成:求解一系列满足约束的 alpha 值,使得上面那个函数可以取到最小值。然后记录下这些非零的 alpha 值和对应样本中的 x 值和 y 值,就完成学习了,然后预测的时候用:

上面的公式计算出 f(x) ,如果返回值 > 0 那么是 +1 类别,否则是 -1 类别,先把这一步怎么来的,为什么这么

查看全文: http://www.udpwork.com/item/17399.html

+0  《Person of Interest》剧评

Tag: Commentary | Person of Interest | 人工智能 | 美剧
四火 发于 2018年01月23日 10:35 | 点击: 1694 | 展开摘要
看完美剧 Person of Interest(POI,疑犯追踪,下同),心有波澜,写一点点文字,零零散散,算是剧评。

我不觉得我是一个美剧狂热的爱好者,但是确实也看了好几部美剧。读书的时候开始看 Friends(六人行),后来顺着相同的风格,看 Two and a Half Men(好汉两个半),以及 How I Met Your Mother(老爸老妈浪漫史)等等,都是很欢快的风格;另一条线看一些悬疑、枪战、罪犯之类的片子,比如最早看 Prison Break(越狱)

查看全文: http://www.udpwork.com/item/16627.html

+0  用人工智能(AI)去设计-我从设计一个人工智能的项目中学到的经验

Tag: 设计译文 | 人工智能
UXC 发于 2017年12月21日 21:37 | 点击: 1262 | 展开摘要
Illustration by Jessica Durkin

在Facebook上,人工智能无处不在

 

在数据后台,人工智能帮助Facebook使产品变得更加智能和好用。人们可以用它来进行翻译减少因语言不通而带来的阻碍,识别图像内容帮助视障人士“看到”他的朋友所发布的照片并过滤垃圾邮件等不良内容。Facebook也会使用人工智能来了解人们的发布意图,这样Facebook就可以改善用户在其平台上的使用体验。 

当我刚开始在Facebook担任设计师时,我并没

查看全文: http://www.udpwork.com/item/16556.html

+0  汉字的未来

Tag: 传媒与传播 | 媒体供稿 | 社会与文化 | 人工智能 | 南方都市报 | 汉字 | 符号
魏武挥 发于 2013年08月14日 11:45 | 点击: 1902 | 展开摘要
有人这么说:明祝枝山擅行草,写过气势磅礴的《洛神赋》,由此获明朝“第一草书”之誉。千年后,祝枝山的第N代后人,竟不知道这上面涂画的是什么。这个事是不是真发生过,不得而知,但要说今人大多不识行草,大致所言不虚。
作为一种符号,汉字的能指意味很强——符号包括能指、所指、意指三个部分[i]——大致在全球比较通用的文字中,它的能指意味是最强的。在英文中,elephant为啥是elephant这种拼法大体上没什么太多道理可讲,但“象”这个字为啥要这么写,就可以讲得头头是道了。中国古人用

查看全文: http://www.udpwork.com/item/10379.html
|<<<1>>>| 一共1页, 12条记录