人工智能

过完年，压岁钱到位，迟来的年终奖到账，钱包鼓起来但新的节日也不断跟上，情人节、元宵节、妇女节…… 说到底，还不是要买买买？ 淘宝上的店铺又多又杂乱，一旦买错了， 面临的就是“女 ” 朋友的“果真直男审美 ” 的diss，或者人财两空的局面 接下去，来看看用机器学习技术如何甄别优质店铺，让你买到就是赚到！ 分三步走： 第一步：找到阿里给出的店铺评价历史信息，分为训练集数据和测试集数据； 第二步：利用训练集数据构建机器学习模型； 第三步：使用测试集数据进行准确率判断并优化。 如此便可以建立一个相对科学的靠谱店铺预测模型。 首先，从阿里云天池开一份包含2000家店铺的评分，等级，评论等信息和数年交易记录的数据： 通过这份数据， 我们可以构建一套模型，根据店铺的访问、购买信息等数据，来评测该店铺是否为优质店铺。 一部分数据将用来作为训练集，另一部分数据会用来测试已经训练好模型的精确度。但训练的时候并不是精确度越高越好，过拟合和欠拟合都不是好事情。 欠拟合指模型没有很好地捕捉到数据特征，不能够很好地拟合数据： 过拟合通俗一点地说就是模型把数据学习的太彻底，以至于把噪声数据的特征也学习到了，这样就会导致在后期测试的时候不能够很好地识别数据，即不能正确的分类，模型泛化能力太差： 随后，完成了清理整合等预处理工作，得到了一份适合建模使用的样本数据： *完整代码可以在文末获取。考虑这份数据比较粗糙

简介： 2021年，活下去，是所有中小企业的一致心愿。冬将尽，春将来。我们也都在迫切等待着百花齐放的春天到来，阿里云愿和广大中小企业一起守望相助，共待山河无恙，春暖花开！ 2021年伊始，就在人们以为疫情就要过去的时候，它又在不经意之间，露出了獠牙。随着疫情的再度爆发，原本已举步维艰的中小企业，生存难度更呈几何级上升。其实，生存问题一直是悬在中小企业头顶上的“达摩克利斯之剑”，一个扎心的事实是：即使没有疫情，中国中小企业的发展也是困难重重，而疫情只是把生存问题更加突出的暴露出来。 2021年，活下去，是所有中小企业的一致心愿。冬将尽，春将来。我们也都在迫切等待着百花齐放的春天到来，阿里云愿和广大中小企业一起守望相助，共待山河无恙，春暖花开！ 于是，在这个寒冬之际，阿里云联合各地方政府、创业园区、孵化器、合作伙伴推出“中小企业温暖上云”计划，权益补贴总价值超3000万元，助力中小企业寒冬突围。权益内容几乎涵盖中小企业创业全生命周期所需的服务及资源。 本次活动采用线上形式，活动专题页于2021年2月初上线。专题页设有“政府补贴”、“中小企业应用产品”以及“企业联盟”三个权益专区，每家企业最多可领取10项权益放入专属“温暖上云”包，将由专属人员进行服务跟进。 权益免费领取地址：https://chuangke.aliyun.com/special/warmup/ “政府补贴”专区

序言 云计算行业已经有十多年的发展了，话题早已从“要不要上云”转向“如何用好云”。“要不要”其实是一个决策性的话题，直到决策出来一个结果了，话题就算结束了。而“如何用好云”却是一个持续性的话题。 一般来说，在规划阶段开始，企业就会开始思考“如何用好云”，这个话题会伴随用云的整个过程。如果简单地从工作类型划分，除了业务代码的研发（Dev），其他的部分都可以称为运维（Ops），包含资源创建（环境部署）、应用部署、资源管理、资源监控、报警、故障排查等工作。 笔者从事云计算工作超过五年时间，参与开发过多款云产品，可以说既是云计算产品的消费者，也是云计算产品的生产者。在这里，笔者谈一谈对云上DevOps能力体系的多年思考和总结，希望对准备上云或是已经上云的运维人员有所帮助。 1 自动化运维等级金字塔 从运维自动化等级和程度来看，DevOps其实是一种非常高级的自动化，不仅自动化程度比较高，而且对于自动化的完成方式有着非常严格的定义。关于运维自动化与DevOps的关系，其实可以非常好地参考汽车自动驾驶技术分级标准，笔者做了个对比图，如图1。 图1:自动化运维等级金字塔 如图1，自动化运维可分为5个等级， 分别是手动运维、半手工/半自动化运维、高度自动化、标准化运维和AIOp s，分别对应自动化驾驶的6个Level，其中运维自动化L2对应了自动驾驶的Level 1和2

　　刚刚过去的2020年，很多科技名词都真正走到了老百姓的日常生活之中。我们习惯了刷脸支付，通过时空大数据了解疫情动态，感受着智能体温检测、无接触式机器人服务、智慧政务等带来的便捷，不吝于为这些新技术送上溢美之词。 　　但一提到区块链，社交群里最活跃的话题依然是——“你知道吗，某数字币暴涨了六倍!” 　　必须承认的是，代币由乱到治的过程中，区块链技术与大众生活和产业应用之间依然有着厚厚的“次元壁”。 　　另一方面，区块链也作为“核心技术自主创新的重要突破口”，进入了探寻自有价值、进入产业化赋能的全新阶段。 　　站在2021年初始，我们不仅想知道在过去一整年里，区块链实际落地应用的情况究竟怎么样。更想尝试回答，走过了代币、合约的区块链在新基建风口上，会以何种姿势扬帆远航。 　　洗尽铅华呈素姿： 　　时代风向中的价值回归 　　2020年，区块链领域最明显的特征，就是主流市场没有再延续“币圈”的老套路，开始回归技术本位的价值主张。 　　具体来说，有两个明显的变化，一是政策方面，区块链得到了国家层面的重视和力挺，被加入了新基建技术版图，拿下了关键的“基础分”; 　　另一个趋势则是产业方面。BAT等互联网科技公司不再单纯地“占坑”和观望，纷纷有了更加清晰明快的布局与动作。蚂蚁集团正式发布了蚂蚁链，百度亮出了超级链，腾讯至信链的产业落地也在加速……其他有实力的科技企业也都开始拥抱区块链。 　

开源已经被证明是一个高效的创新模式和可行的商业模式，开源运动兴起的10年，正是人类历史上科技创新最蓬勃的10年。开源为社会创造了一个更公平、更多元化、更包容和更开放的创新环境。我们不仅能够在开源社区得到免费开源软件，更可以建立自己的开源社区，学习新的技术和磨练团队的技能。我们可以通过开源与华为、腾讯、阿里、百度、中移动、谷歌、VMWare、英特尔等前沿科技公司的开发者并肩工作，打造你的职场人脉，寻找你下一个创业机会和合作伙伴！ 开源已经成为全球绝大部分企业科技创新的主要动力来源，为了能够让更多的中国企业利用好开源资源，Linux 基金会亚太团队与10位开源精英志愿者组成了亚太区第一个开源布道者团队（开源布道者详细介绍请访问： https://training.linuxfoundation.cn/news/161 ），帮助企业明确开源目标，掌握开源方法，推荐关键开源技术，协助企业构建自己的开源生态。 本次发布会是我们全体布道者团队首次公开亮相，我们期待这次见面能够成为中国开源旅程的新起点！ 开源布道者发布会日程如下： 日期 ：2021年2月3日 时间 ：晚7:30 – 9:30 地点 ：线上直播 本次开源布道者与大家分享的主题包括： 19:30-21:00 欢迎演讲 演讲主题：拥抱开源的企业需要什么样的最佳实践？作为Linux 基金会 APAC 开源布道者，能为本土企业做些什么？

前阵子发了个朋友圈，2020年很艰难，目前看2021也不会很快变轻松：世界还没有恢复过来，国外还在提倡居家隔离，国内也在建议原地过年…… 但是，人可以被lock down，学习可以继续啊～ 乔帮主那句著名的话，其实就是来自于这本书的。放在今天这个语境，我又加了一句，所以就成了： Stay hungry, Stay foolish, Stay home. 我心里的翻译两个版本： 正经版：求索如饥，求知若愚，心安归处。 搞笑版：做个吃货，做个二货，做个死宅。 那么问题来了，闷在家里怎么学习呢？2020年的12个月过去了，2021年的1个月也过去了，时间真的别再浪费了。在家只要有网络，就能开始学习。最近我自己逼着自己去考了微软的考试，在这个过程中也发现很多非常有价值的资源和信息。稍后可以和大家分享一下，所以请耐心看完以下的介绍～ 考虑到大流行对于整个经济和政治不可逆转的影响，全新的工作模式将会变得越来越重要。这个过程中，即包含了非接触的远程工作方式，也包含了非接触的云端计算方式。 因此，视野之内其实也看到了越来越多的混合架构。同时，从不同的方面也获得了大流行期间出现了更多的安全威胁。作为这个行业的从业人员，我们可以暂时不使用，但却不能一直不了解。所以，明天（2月2日）将有一场重量级的技术盛会——ITOps Talks：All Things Hybrid，在线上为大家提供非常丰富的内容

四大会计师事务所之一的普华永道（PwC）发布了多份解读机器学习基础的图表，其中介绍了机器学习的基本概念、原理、历史、未来趋势和一些常见的算法。为便于读者阅读，机器之心对这些图表进行了编译和拆分，分三大部分对这些内容进行了呈现，希望能帮助你进一步扩展阅读。 一、机器学习概览 1. 什么是机器学习？ 机器通过分析大量数据来进行学习。比如说，不需要通过编程来识别猫或人脸，它们可以通过使用图片来进行训练，从而归纳和识别特定的目标。 2. 机器学习和人工智能的关系 机器学习是一种重在寻找数据中的模式并使用这些模式来做出预测的研究和算法的门类。机器学习是人工智能领域的一部分，并且和知识发现与数据挖掘有所交集。 3. 机器学习的工作方式 ①选择数据：将你的数据分成三组：训练数据、验证数据和测试数据 ②模型数据：使用训练数据来构建使用相关特征的模型 ③验证模型：使用你的验证数据接入你的模型 ④测试模型：使用你的测试数据检查被验证的模型的表现 ⑤使用模型：使用完全训练好的模型在新数据上做预测 ⑥调优模型：使用更多数据、不同的特征或调整过的参数来提升算法的性能表现 4. 机器学习所处的位置 ①传统编程：软件工程师编写程序来解决问题。首先存在一些数据→为了解决一个问题，软件工程师编写一个流程来告诉机器应该怎样做→计算机遵照这一流程执行，然后得出结果 ②统计学：分析师比较变量之间的关系 ③机器学习

2020 年 12 月 23 日，阿里巴巴资深技术专家陈鑫（神秀）在“2020 云原生实战峰会”的“互联网 CTO 数创先锋营”（闭门会议）中为现场的数十位互联网公司 CTO 及技术专家分享《数字化时代，如何构建下一代研发协作工具平台》。（本文整理自神秀的现场分享，为方便阅读，内容有删减） 本次分享主要由四部分组成： 1、企业在成长过程中遇到的研发效能困境； 2、研发管理从信息化走向数字化的路径，以及背后的逻辑； 3、云原生和 AI 两项新技术在研发平台上的落地； 4、结合阿里巴巴自身案例，分享如何进行研发管理数字化落地。 1 企业成长与研发效能 企业研发效能的制约因素 在“互联网 CTO 数创先锋营”（闭门会议）分享中，阿里巴巴资深技术专家陈鑫（神秀）从人员规模增长、软件服务架构、技术演化三方面系统地分析了企业研发效能的制约因素，并从中提炼出三个关键因素：成本、人以及人与人之间的协同损耗，这三个因素构成一个“环”。 （如下图所示） 陈鑫认为成本是不可能无限放大的，所以它是这个“环”中最关键的约束。而因为成本原因，企业往往不能雇佣足够优秀的工程师，甚至需要采用外包团队去完成业务开发，因此人员的技能不足是常态。又因为人员的能力参差不齐，甚至无法满足技术要求的，所以就无法创造出完美的架构和完美的组织设置，这就会出现大量的协同消耗。技术债务是会累积的，协同消耗往往会随着时间不断放大

2月3日，中国领先的面向金融机构的商业科技云服务平台——金融壹账通（OCFT.US）公布2020年第四季度及全年未经审计的财务业绩。 得益于外部金融机构数字化转型的强劲需求，金融壹账通整体业绩保持稳健增长。2020年，公司营业收入为33.12亿元，同比增长42.3%；全年毛利润12.43亿元，同比增长62.1%，公司经营亏损显著收窄。 伴随着从“零配件”到“整车式输出”的战略升级，2020年金融壹账通形成了银行、保险、投资垂直领域横向一体化、从SaaS到IaaS纵向全覆盖的全产品线，以独特的“科技+业务“双赋能的商业模式、为广大金融机构提供“全流程、端到端”的科技赋能，助力金融业数字化转型全面提速。 盈利能力提升明显，降本增效成果显著 财报显示，2020年金融壹账通营业收入为33.12亿元，较2019年的23.28亿元营收同比增幅高达42.3%。盈利指标方面，金融壹账通全年毛利润增至12.43亿元，同比增长62.1％；毛利率亦从2019年底的32.9%增长至37.5%，充分展示了公司产品升级带来的显著成果。 金融壹账通董事长兼CEO叶望春表示，“后疫情时期，中小银行加强数字化迭代升级的趋势已成共识。为了抓住金融数字化转型带来的机遇，我们持续巩固底层技术基础，希望通过不断的创新、以多元化的产品来满足金融机构数字化发展的更高需求。” 金融壹账通CFO罗伟杰表示，“公司的产品升级成果显著

你对建筑工地的印象是什么样的？漫天飞扬的尘土和杂乱堆放的建筑材料？工地长出“千里眼”、“顺风耳”，“看”得见违规行为，“听”得见异常状况，将建筑工地的蛛丝马迹尽收眼底......在一些企业的智慧工地，这些统统已经变为现实。许多建筑业管理者也已经意识到了智慧工地的重要性，那么，想知道智慧工地做下来大概多少钱，首先要了解 智慧工地 的功能与作用。 地产迎来数字智能时代 2019年中国建筑业总产值达到24.84万亿元，约占当年GDP的四分之一。 尽管体量已经足够庞大，但传统粗放式、劳动密集的生产方式并没有得到根本性改变，施工安全风险大、生产效率低、建设成本高依然摆在建筑业面前的难题。 而当数字化、智能化席卷各行各业，建筑智能化正式上升为国家战略，地产行业进入数字智能时代已是大势所趋。 “智慧工地”，其实是一个数据化、智能化的管理系统。它通过强大的数据采集和分析技术，既可为安全生产提供即时的监测和检测，严格把好安全阀门，也可随时智能分析施工现场的扬尘、噪音、温度、湿度等实时数据，并予以相应的程序处理，确保有序施工、绿色施工。 相对传统建筑工序耗时长、人工消耗大的特点，智慧工地在效率上的提升也极为可观。 智慧工地采用高科技物联网设备、互联网技术、人工智能技术等融合打造的施工现场综合可视化管理信息系统，具备安全风险预测、施工过程管理、智能风险识别预警等功能，应用于工程施工现场管理。 黑科技加持