人工智能

整理 | 王晓曼 出品 | 程序人生 （ID：coder _life） 近日，微信刚迎来十周年，在推出的微信8.0版本中，用户在更新会后显示“我看见，你看见的”的字样，不少用户对这一行字耿耿于怀。 继“ QQ扫描读取所有浏览器的历史记录”一事后，腾讯微信 PC 版客户端又被爆出扫描用户浏览器 cookies。 近日，有网友在V2EX论坛发帖称， 使用火绒安全添加 QQ 扫描浏览器 cookies的拦截规则后，意外拦截到了微信 PC 扫描 cookies 的情况。 该用户还表示，WeChat.exe 每次启动时都会尝试扫描电脑上所有使用 Chromium 内核的浏览器注册表，甚至包括未安装的浏览器。 关于网友爆出的情况，腾讯技术人员昨天使用该社区账号在原帖中回复， 表示周末通过该用户提供的路径多次尝试，都未能重现问题，开发人员走查代码也未发现浏览器内核有类似功能的逻辑。 腾讯方面初步怀疑这种情况可能与用户的环境相关或浏览器内核（ chromium 53 ）的漏洞有关。 （腾讯技术人员回帖内容） 不少网友在该帖后就此事发表了评论。 网友@ ijrou ：这叫大数据智能推荐。。。 网友@ efsg ：障哮聋：统统屏蔽掉！ 网友@ Ultraman ：障哮聋——对于未向巨信团队提供浏览器上网记录的用户，我们无法保证对其所提供的服务的安全性，为保护该类用户的合法权益

什么是量化投资 出处：http://www.80soho.com/?p=333 简单来讲，量化投资就是利用计算机科技并采用一定的数学模型去践行投资理念，实现投资策略的过程； 传统的投资方法主要有基本面分析法和技术分析法两种，与它们不同的是，量化投资主要依靠数据和模型来寻找投资标的和投资策略。 量化投资主要内容 量化选股 量化选股就是利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的投资行为。 量化择时 量化择时及时利用数量化的方法，通过对各种宏观，微观指标的量化分析，试图找到影响大盘走势的关键信息，并且对未来走势进行预测。 该策略收益率最高，但风险也极大，研究的难度也很高。 股指期货套利 股指期货套利是指利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，或者同时进行不同期限，不同（但相近）类别股票指数合约交易，已赚取差价的行为。 股指期货套利分为期现套利，跨期套利，跨市套利和跨品种套利。 商品期货套利 商品期货套利指的是在买入或者卖出某种商品期货合约的同时，卖出或买入相关的另一种合约，并在某个时间同时将两种合约平仓的交易方式。 统计套利 统计套利是指利用证券价格的历史统计规律继续套利，是一种风险套利，其风险在于这种历史统计规律在未来一段时间内是否继续存在。 期权套利 期权套利交易是指同时买进卖出同一相关期货

来源 | 数据实战派 转载自：AI科技评论 原文链接： Hinton最新访谈：无监督胶囊网络、对比学习以及大脑中的反向传播 ​ mp.weixin.qq.com Geoff Hinton 是公认的深度学习先驱。2018 年，他与 Yoshua Bengio、Yann LeCun 共同获得了图灵奖。而在这之前的一年，他提出了一个想法 —— 胶囊网络（Capsule Network）。这是卷积神经网络的替代方案，它考虑了物体在 3D 世界中的姿势，尝试弥补当今计算机视觉模型学习能力上的不足，比如学会从不同的角度来识别同一个物体。 从那之后， Hinton 在学术界的公开活动有所沉寂。直到2020 年 12 月，在 NeurIPS 上，他的团队介绍了一项堆叠式胶囊自动编码器（stacked capsule autoencoders）相关的研究成果。更早之前 2 月的 AAAI 会议上，他谈到，胶囊网络是无监督学习的关键。4 月，Hinton 又重新提出了将反向传播作为人类大脑中的一种学习功能，并介绍了近似反向传播的算法 ——用活动差异表示神经梯度（neural gradient representation by activity differences，简称 NGRAD）。 近日，在播客节目 Eye on AI 中，受到播客主理人、纽约时报资深记者 Craig Smith 的邀请

本文专注整理一些有关Python学习的知识体系。 整理的Python知识体系主要包括基础知识，Python热门的应用方向，推荐书籍，FAQ以及一些常见面试题目，包含了作为一个Python全栈工程师以及数据分析工程师在开发工作和学习中需要用到或者可能用到的绝大部分知识。希望大家可以根据自己感兴趣的方面多多学习。 另：写的内容如有错误或者疏忽的地方，还望各位大佬指点，在此表示感激不尽。 这份【 学习路线 】，仅供大家交流学习使用，捣乱和发广告的勿加。 扫码添加CSDN老师 免费领取学习内容+课程规划 作为程序员技术社区，一直秉承着“成就一亿技术人”的使命，为帮助 Python 小白从 0 开始系统实战各个应用方向，打好 Python 各个应用岗位的核心能力！CSDN 发起了【Python 全栈开发工程师】！ Python 全栈开发工程师 帮你打好 Python 核心能力！ 1 以就业为导向，制定完善的课程大纲 CSDN 作为国内编程技术社区，国内程序员的聚集地，非常了解当下企业需要的 Python 技术需求。 以就业为导向，Python 训练营课程大纲根据企业需求设定，涵盖了 Python 最为主要的 应用方向： Python 全栈开发、Python 爬虫、Python 数据分析、 Python Web， 人工智能 。 而且，课程最注重实用性，从实际出发讲授 Python 编程语法+

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶” 作 者： Prateek Joshi 编译： ronghuaiyang 导读 昨天给大家介绍了CRF的基本概念，今天我们聊一聊为什么需要这么个东西。 这是一个分为两部分的讨论。在这篇博文中，我们将讨论条件随机场的需求。在下一篇文章中，我们将讨论它们到底是什么以及如何使用它们。在计算机视觉、生物信息学、计算语言学和语音识别等诸多领域，都出现了为一组观测序列分配标签的任务。例如，考虑自然语言处理任务，即在句子中使用相应的词性标记标记单词。在这个任务中，每个单词都有一个标记，表示其适当的词性，从而产生带标注的文本。再举一个例子，考虑根据所观察到的行为给一个视频贴上一个人的心理状态标签的任务。你必须分析用户的面部表情，确定用户是否高兴、生气、悲伤等等。我们经常希望预测大量相互依赖的变量以及其他观察到的变量。如何实现这些任务？我们应该使用什么模型？ 为什么要用条件随机场？ 在许多应用中，我们希望能够预测相互依赖的多个变量。例如，一个运动队的表现取决于该队每个队员的健康状况。每个成员的健康可能会受到团队旅行计划的影响。比赛的结果可能会影响全队的士气。反过来，士气可能会影响健康。正如你所看到的，有多个变量错综复杂地相互依赖。条件随机场(CRFs)对这些问题的建模非常有用。与此类似的应用有很多，比如对图像的区域进行分类

大数据在人工智能机器人的实践应用 图灵机器人是一款和微软小冰差不多同时出现的产品，只不过前者是以内测的形式提供给开发者。图灵机器人创始人俞志晨上一个创业项目是虫洞语音助手，一款偏向于生活问答方向的聊天机器人，图灵机器人即是俞志晨的团队在虫洞的基础上所推出的一个开放平台。俞志晨更多地想把图灵机器人做成一套在人工智能... 详细解读 和小伙伴们一起来吐槽 来源： oschina 链接： https://my.oschina.net/u/856019/blog/348054

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶” 作者： Abhinav Sagar 编译：ronghuaiyang 导读 用于自动驾驶的新的state of the art的网络。 本文提出了一种新的神经网络，利用不同尺度的多尺度特征融合来实现精确高效的语义分割。 重点 我们在下采样部分使用了膨胀卷积层，在上采样部分使用了转置卷积层，并在concat层中对它们进行拼接。 alternate blocks之间有跳跃连接，这有助于减少过拟合。 我们对我们的网络训练和优化细节进行了深入的理论分析。 我们在Camvid数据集上使用每个类的平均精度和IOU作为评价指标来评估我们的网络。 我们的模型在语义分割上优于之前的state of the art网络，在超过100帧每秒的速度下，平均IOU值为74.12。 语义分割 语义分割需要对输入图像的每个像素预测一个类，而不是对整个输入图像进行分类。为了预测图像中每个像素的内容，分割不仅需要找到输入图像中的内容，还需要找到它的位置。语义分割在自动驾驶、视频监控、医学影像等方面都有应用。这是一个具有挑战性的问题，因为要在准确性和速度之间进行权衡。由于模型最终需要在现实环境中部署，因此精度和速度都应该很高。 数据集 在训练和评估中使用了CamVid数据集。数据集提供了ground truth标签，将每个像素与32个类中的一个相关联

一 人脸识别技术，爆出巨大丑闻。 刚刚，清华大学的一条重大发现，利用人脸识别技术的漏洞，“ 15分钟解锁19个陌生智能国产手机 ”的事件，惊呆了我们科技圈的小伙伴 。 这起事件，如果用嘴简单的语言来形容就是：“ hello，你新买的手机不错呀，借我看看 ？” 然后， 对方拿着你的手机，啪的一下，进行人脸识别开锁。你的手机就自动打开了。 所有功能、信息；任人宰割！！！ 是不是超级不可思议？？？ 看完下面的详细过程，你会更大吃一惊。 以下画面来源于：清华大学RealAI 团队的“ 勇敢爆料 ”，你们赶紧看看： 整个过程其实非常简单，清华大学的RealAI 团队共选取了 20 款手机，其中1款是国外的，另外19款都是我们国产的智能手机，居来自排名前五的国产手机品牌，每一品牌下选取了 3-4 款不同价位的手机型号，覆盖低端机到旗舰机 。 第一步： 清华大学的测试人员，把19部国产手机，人脸识别全部绑定为旁边的“ 1号同学 ” 第二步： 让旁边的同学、同事，拿起他的手机，进行人脸识别。 直接识别，打不开！（被系统发现了） 但是，接下来最精彩的部分来了。 第三步： 将1号同学的照片，特别是眼睛部位。打印出来。贴在我们平时戴的眼镜上面。 然后，奇迹发生了。。。 19款国产智能手机，全部成功解锁。 从被破解的程度上看，攻击这些手机的难度几乎没有任何区别，不管是低端机，还是售价4000以上的高端手机

只需两步，将文献的 arXiv 信息转换为正式来源信息。 机器之心报道，作者：魔王。 伴随着预印本平台 arXiv 的广泛使用，越来越多的研究者喜欢在写论文参考文献时直接使用 arXiv 信息。这看似非常方便，但也存在问题：这篇 arXiv 论文是否在 ACL、EMNLP、NAACL、ICLR 或 AAAI 等学术会议上发表过？ 没错，在某些情况下，只引用 arXiv 信息显得不那么准确，这种不准确的文献条目甚至可能会违反某些会议的论文提交或 camera-ready 版本提交规则。 如何解决这一问题呢？最近，上交毕业生、南加州大学博士生林禹臣开发了一个简单的 Python 工具——Rebiber，它能够基于 ACL Anthology 和 DBLP 数据库自动解决这一问题。 项目地址： https:// github.com/yuchenlin/re biber 下图展示了 Rebiber 的使用示例： 在该示例中，文章的原始信息来自 Google Scholar，仅包括标题、作者、期刊（arXiv）、年份。而事实上该论文已被 EMNLP 2020 接收，原始信息显然不够准确。 经过 Rebiber 转换后，原始 arXiv 信息被转换为来自正式来源的准确信息，包括标题、作者、年月、出版商、数字对象识别码（doi）、网址等详细内容。 Rebiber 支持的会议包括 ACL

最近有粉丝留言让我多搞些抽奖活动，为了感谢大家对本公众号的大力支持 本次联合了10个号主，送2020最新款 三星曲面屏27寸显示器 ， 祝所有人新的一年工作顺利，工资芝麻开花节节高，希望本次抽奖可以给你带来好运。生活不易，望大家来年加倍努力，升职加薪，事业家庭双丰收。 赠送规则 本号的读者众多，大家使用下面的二维码抽奖，中奖后，联系小编兑换。详细规则如下，请 仔细阅读 ： 1. 本次活动面向 公众号的读者，非公众号读者参与无效。 2. 下方每一个订阅号都是赞助方，扫二维码，关注订阅号，发送「 礼物 」参与，参与更多，中奖概率更大！ 3. 2020 年 12 月 28 日 20:00 自动开奖。 4. 中奖后请第一时间添加小编微信。开奖后 1 日未联系的视为自动放弃。 赞助方公众号 👇 再次提醒，每个号都抽一次，中间概率可翻10倍！ Python人工智能技术 ▲ 扫码回复「 礼物 」抽奖品 高性能服务器开发 ▲ 扫码回复「 礼物 」抽奖品 互联网程序员 ▲ 扫码回复「 礼物 」抽奖品 快学Java ▲ 扫码回复「 礼物 」抽奖品 猿天地 ▲ 扫码回复「 礼物 」抽奖品 JAVA大数据架构师 ▲ 扫码回复「 礼物 」抽奖品 IT达人圈 ▲ 扫码回复「 礼物 」抽奖品 码农小黑屋 ▲ 扫码回复「 礼物 」抽奖品 Java引导者 ▲ 扫码回复「 礼物 」抽奖品 顶级架构师 ▲ 扫码回复「