人工智能

时下，少儿编程非常火热。网络上不时可以看到各类编程广告，前2天刚看到张泉灵、李开复等大咖都为某少儿编程培训站台代言，市面上各类机器人培训、少儿编程培训也是异常火爆。前不久，工信部推出了中国首个AI等级考试“青少年人工智能技术水平 测试”。可见，知识焦虑已经由中年大叔蔓延到了下一代的少年儿童。 之前，有朋友问我会不会给自己儿子报编程培训？这个答案我目前不好直接回答，一是要看小孩有没兴趣,当然这个可以引导。二是要看有没有合适的培训机构，再好的东西如果没有好的教授者和讲授方法，小孩是不容易接受的。总的来说，小孩的培训应该在轻松前提下，加上兴趣的推动（至少不排斥），如果再能碰上良师+好友，那这个培训就是值得的。 少儿编程，通常针对的是6岁以上，12岁以下（即小学年龄阶段）的儿童。 这个年龄阶段的儿童，已经有了基本的数理逻辑能力，是可塑 性 很强的群体。 因此，单从年龄段上来看， 少儿时期是培养逻辑思维能力的重要时期。 工具上看，目前比较适合少儿学习的工具是scratch。Scratch是一款由麻省理工学院(MIT) 设计开发的一款面向少年的简易编程工具。在2012年在中国得到普及，2013在上海举行比赛。针对 8 岁以上孩子们的认知水平，以及对于界面的喜好，MIT 做了相当深入研究和颇具针对性的设计开发。对于这款软件，我没有深入去使用过，仅在网页上做了粗粗的了解。 下面

作为网络安全初学者，会遇到采用Go语言开发的恶意样本。因此从今天开始从零讲解Golang编程语言，一方面是督促自己不断前行且学习新知识；另一方面是分享与读者，希望大家一起进步。前文介绍了什么是GO语言及为什么我要学习Golang；这篇文章将介绍Go的编译运行、语法规范、注释转义及API标准库知识。 这系列文章入门部分将参考“尚硅谷”韩顺平老师的视频和书籍《GO高级编程》，详见参考文献，并结合作者多年的编程经验进行学习和丰富，且看且珍惜吧！后续会结合网络安全进行GO语言实战深入，加油~ 这些年我学过各种编程语言，从最早的C语言到C++，再到C#、PHP、JAVA，再到IOS开发、Python，到最新的GO语言，学得是真的杂。有时候觉得编程语言恰恰是最简单的，而通过一门编程语言能够解决实际问题或深入底层才是其价值所在，并且当我们学好一门编程语言后，其他编程语言都非常类似，殊途同归，学起来也很迅速。 源码下载地址： https://github.com/eastmountyxz/Go-learning 前文参考： [GO语言基础] 一.为什么我要学习Golang以及GO语言入门普及 [GO语言基础] 二.编译运行、语法规范、注释转义及API标准库知识普及 [GO语言基础] 三.变量声明、数据类型、标识符及编程练习12题 文章目录 一.变量 1.什么是变量 2.变量的声明 3

简介 作为一名架构师，我们要专业，要能看懂代码，及时光着臂膀去机房，也能独挡一面！及时同事搞不定问题，或者撂挑子，你也能给老大一个坚定的眼神：不怕，有我在！还能在会议室上滔滔不绝，如若无人，让不懂技术的妹子看你时眼神迷离，就好想落霞与孤鹜齐飞！ 分布式架构是一个非常复杂的体系，任何技术都不是孤立的存在，任何技术都无法适应所有场景。作为一名分布式系统架构或者资深研发人员，我们必须尽可能多的学习与之相关的各种知识，掌握各种技术的演进路线，正式从一名码农蜕变成为架构师 什么是分布式？ 互联网应用的特点是：高并发，海量数据。互联网应用的用户数是没有上限的(取决于其开放特性)，这也是和传统应用的本质区别。高并发指系统单位时间内收到的请求数量（取决于使用的用户数），没有上限。海量数据包括：海量数据的存储和海量数据的处理。这两个工程难题都可以使用分布式系统来解决。 简单理解，分布式系统就是把一些计算机通过网络连接起来，然后协同工作。协同工作需要解决两个问题： 1）任务分解 把一个问题拆解成若干个独立任务，每个任务在一台节点上运行，实现多任务的并发执行。 2）节点通信 节点之间互相通信，需要设计特定的通信协议来实现。协议可以采用RPC或Message Queue等方式。 分布式和集群的关系 分布式：一个业务分拆多个子业务，部署在不同的服务器上 集群：同一个业务，部署在多个服务器上 计算机发展历史

2019年10月，学习时强调把区块链作为核心技术自主创新重要突破口，加快推动区块链技术和产业创新发展。 《交通强国建设纲要》指出，要大力发展智慧交通，推动大数据、互联网、人工智能、区块链、超级计算等新技术与交通行业深度融合。 去年，交通运输部印发《关于推动交通运输领域新型基础设施建设的指导意见》，围绕加快建设交通强国总体目标，以技术创新为驱动，提出运用区块链技术积极建设智慧航道、智慧港口，推动交通基础设施的数字转型、智能升级。 总之，如何充分利用区块链等新一代信息技术提升全球航运运营管理和国际竞争力，是值得思考的。 航运业发展痛点显现 航运作为最经济的运输方式之一，具有低成本、高效率的特点，在国际贸易和经济全球化的发展中具有举足轻重的作用。但航运体系涉及的复杂利益主体，会严重影响运输效率，尤其是在节点信任、物流溯源、流程优化以及网络协同方面尤为显著。 航运供应链主体间的贸易背景不易查证，信息孤岛的存在使得航运企业系统间的消息不互通，仅凭签署合同约定来进行风险控制相对不易，因此，航运体系节点间的信任问题变得尤为突出；同时，传统航运网络商品追溯系统的中心化使其普遍存在数据失真、信息篡改等问题，商品信息可追溯性难，即使航运企业愿意通过接口对接的方式完成数据的交换与共享，仍不能消除信任度低、成本高的问题；而且海运服务涉及复杂的合作伙伴，必须处理大量的运输单证

今天为大家分享5V转3.3V的多种方法。 1 使用LDO稳压器 标准三端线性稳压器的压差通常是 2.0-3.0V。要把 5V 可靠地转换为 3.3V，就不能使用它们。压差为几百个毫伏的低压降 （Low Dropout， LDO）稳压器，是此类应用的理想选择。图 1-1 是基本LDO 系统的框图，标注了相应的电流。从图中可以看出， LDO 由四个主要部分组成： 1. 导通晶体管 2. 带隙参考源 3. 运算放大器 4. 反馈电阻分压器 在选择 LDO 时，重要的是要知道如何区分各种LDO。器件的静态电流、封装大小和型号是重要的器件参数。根据具体应用来确定各种参数，将会得到最优的设计。 LDO的静态电流IQ是器件空载工作时器件的接地电流 IGND。IGND 是 LDO 用来进行稳压的电流。当IOUT>>IQ 时， LDO 的效率可用输出电压除以输入电压来近似地得到。然而，轻载时，必须将 IQ 计入效率计算中。具有较低 IQ 的 LDO 其轻载效率较高。轻载效率的提高对于 LDO 性能有负面影响。静态电流较高的 LDO 对于线路和负载的突然变化有更快的响应。 2 采用齐纳二极管的低成本方案 这里详细说明了一个采用齐纳二极管的低成本稳压器方案。 可以用齐纳二极管和电阻做成简单的低成本 3.3V稳压器，如图 2-1 所示。在很多应用中，该电路可以替代 LDO 稳压器并具成本效益。但是

在国内外新冠疫情持续的特殊形势下，2021年世界经济论坛“达沃斯议程”对话会于1月25日至29日以线上形式举行。此次论坛上，全球70多个国家和地区的1500多位政商界和社会组织领导人围绕“把握关键之年，重建各方信任”这一主题，就如何应对新冠疫情下全球面临的经济、环境、社会、技术等挑战，寻求合作抗疫和推动经济复苏的方案等展开了探讨。 作为人工智能世界级科学家和企业家、达沃斯论坛的常客和重要委员，清华大学智能产业研究院（Institute for AI Industry Research，AIR）张亚勤院长亦受邀出席了此次达沃斯议程对话会，并发表了演讲。 近年来，人工智能一直是计算机领域的热门研究方向，也是达沃斯论坛的焦点议题。 早在2016年，张亚勤博士就曾在达沃斯论坛对人工智能相关议题提出了诸多见解。当时，他指出，人工智能将成为第四次工业革命的技术基石，另一方面，它的发展速度比许多人想象得都要快，但要实现技术的可靠和可控性，需要全世界共同思考解决。同时，当前人们更多是投资弱人工智能，即对人类智能的放大，而不是取代人的智能等。 迄今，包括机器学习、语音识别、图像识别、大数据挖掘、自然语言处理等AI技术已在交通、教育、医疗、金融等众多领域得到了广泛应用，成为各个领域转型升级的核心动力。以此次新冠肺炎疫情为例，随着“无接触”等需求的兴起，人脸识别等人工智能技术大放异彩

开发者社区技术周刊 又和大家见面了，快来看看这周有哪些值得我们开发者关注的重要新闻吧。 Google研究院推出处理文本图像新框架TReCS OpenAI将k8s扩展至7500个节点以支持机器学习 Apache ECharts 5正式发布 WebRTC成为W3C与IETF正式标准 国内首个自主可控区块链技术体系“长安链”发布 京东开源PyTorch人脸识别工具包FaceX-Zoo AAAI 2021丨Graph Diffusion Network提升交通流量预测精度 AAAI 2021丨利用标签之间的混淆关系，提升文本分类效果 行 业 要 闻 1.Google研究院推出处理文本图像新框架TReCS 为创建一种能够在任何语言之间进行翻译的通用神经机器翻译系统，Google 研究人员研发了一种新框架，即 TReCS（Tag-Retrieve-Compose Synthesize system） 。通过改进图像元素的唤起方式以及迹线如何通知其位置，从而显着增强图像生成过程。该系统接受了超过250亿个示例的培训，具有处理103种语言的潜力。其功能使鼠标轨迹与文本描述对齐，并为提供的短语创建可视标签。该框架利用可控的鼠标轨迹作为细粒度的视觉基础，根据用户的叙述生成高质量图像。标记器被用来预测短语中每个单词的对象标签。 2.OpenAI将k8s扩展至7500个节点以支持机器学习 为了满足GPT

该系列文章是讲解Python OpenCV图像处理知识，前期主要讲解图像入门、OpenCV基础用法，中期讲解图像处理的各种算法，包括图像锐化算子、图像增强技术、图像分割等，后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助，如果有不足之处，还请海涵~ 前面一篇文章介绍了OpenCV图像处理入门知识、算数逻辑运算与图像融合。这篇文章将介绍图像几何变换，包括：图像平移变换、图像缩放变换、图像旋转变换、图像镜像变换、图像仿射变换和图像透视变换，万字长文整理，希望对您有所帮助。 同时，该部分知识均为作者查阅资料撰写总结，并且开设成了收费专栏，为小宝赚点奶粉钱，感谢您的抬爱。当然如果您是在读学生或经济拮据，可以私聊我给你每篇文章开白名单，或者转发原文给你，更希望您能进步，一起加油喔~ https://github.com/eastmountyxz/ImageProcessing-Python 文章目录 一.图像几何变换概述 二.图像平移变换 三.图像缩放变换 四.图像旋转变换 五.图像镜像变换 六.图像仿射变换 七.图像透视变换 八.总结 前文参考： [Python图像处理] 一.图像处理基础知识及OpenCV入门函数 [Python图像处理] 二.OpenCV+Numpy库读取与修改像素 [Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理

支持向量机需要解决的问题：找出一条最好的决策边界将两种类型的点进行分开 这个时候我们需要考虑一个问题，在找到一条直线将两种点分开时，是否具有其他的约束条件，这里我们在满足找到一条决策边界时，同时使得距离边界最近的点到边界的距离最远，对于下图而言，我们可以看出右边的图比左边的图的分类效果要好，因为点到边界的距离较大，这样得到的决策边界具有较好的泛化能力。 SVR的求解过程 首先我们需要写出点到直线或者平面的距离，这里以平面为例 我们需要求得的是dist(x, h)即x点到平面的距离，我们x首先在平面上找到一个点x‘， a*b = |a|*|b|*cos(theta) w^T*(x-x') / |w| = (x-x') * cos(theta) ----1 表示的是dist(x, h) w表示的是法向量，因为x'为一个随机点，假设在平面上存在一个x',使得w^T*x' + b = 0 ---2 将上述的2式带入到1式中，对1式进行化解 dist(x, h) = 1/|w| * |w^T*x + b| 当为正例时yi等于1， 当为负例时yi等于-1 为了去除|w^T*x + b|的绝对值，当w^T*x + b > 0 时，yi>0, 当w^T*x + b < 0 时， yi<0, 我们可以将yi * (w^T*x + b) > 0 用来去除绝对值 dist(x, h) = 1/|w| *

毫无疑问，移动开发时代的风口正在消退，AI风口正在来临。 2019年说是裁员元年一点也不为过。 我们看看大公司是如何裁员的： 　华为：放弃平庸员工。 　腾讯：结构性优化。 　百度：鼓励狼性，淘汰小资。 　蔚来：局部优化，提高运营效率。 　科大讯飞：提前吃饭的员工需要被优化。 　京东：淘汰掉因身体原因不能拼搏的员工。 　马云：未来每年将会向社会输出1000名在阿里工作10年以上的人才。 都是裁员，马老师说的就是那么有大局观。 每一个说工作难找的都是半桶水的人，我们通过招聘网站看到高级的移动开发还是很抢手的。其实被裁的大多数都是入门级别的、或者中低级别的工程师，当然也有部分是因为整个公司崩溃掉的。 从某种意义上来说裁员这是整个行业不断规范化，社会发展优胜略汰的必然结果，不单单是移动端，不单单是互联网。 35岁的职业危机 做互联网的人都害怕35岁的职业危机，害怕某天就莫名其妙被优化掉。因为这个行业的变化实在太快了。快到什么程度？ 比尔盖茨说：微软离破产只有三个月 为什么大家都说程序员是吃青春饭的职业呢？ 所有程序员都知道互联网是一个争分夺秒，以时间为战场的战争，是一个不断在试错中探索前进的行业。因而这个行业的工作强度非常大，但是人的生理和智能的最高峰是20岁～30岁这个年龄段。过了30岁，身体就慢慢走下坡路了，思维也不如以前活跃了。特别是到了35岁，很多人都已经成家甚至有小孩了