人工智能

有人说，程序员的门槛正在逐渐消失，因为计算机相关专业毕业生一年比一年多； 培训出来的学生一年比一年多；网络上各种编程课程，也正在帮助无数人零基础转型软件开发…… 而程序员的工资，动辄两三万，三五万，远高于其他行业大部分技术岗位，似乎充满了泡沫。 未来程序员越来越多，供过于求，肯定会是白菜价，并说这是普遍的经济规律。 当我们讨论供需关系时，往往都需要一个基础条件：产品业务必须是标准的。我们这代人生活在『工业时代』往『信息智能时代』的转变阶段。所以我们常常用工业时代的经验来推测假定信息智能时代的趋势，这种推测本身就是落伍的。 下面，就从多个角度来看看，程序员的收入在未来十年后，可能会怎么样。 1、行业趋势 一到两年内，你工作有没有晋升、薪水能不能增加，个人努力起很大作用。而五年、八年、十年或者更久，趋势的作用会远远大于个人努力，甚至会将个人的努力淹没。 当你进入正确的河道，哪怕你毫不用力，湍急的水流也会推着你飞速前进。 这就是趋势的力量。 那么，现在的趋势是什么？哪些行业才是正确的河道？ 先看一张图： 上图，是美国 200 年来行业增速变迁图，描述了从1820年的蒸汽轮船到1995年的互联网在内的，几大行业的变化趋势。国内的行业发展趋势与美国类似，但稍稍滞后几年。每一个行业的增速，均经历了增长、见顶、缓慢下降的阶段。 中国互联网的加速发展，大概从1997年开始，最早是PC互联网

点击上方“ 迈微AI研习社 ”，选择“ 星标★ ”公众号 重磅干货，第一时间送达 仅作学术分享，不代表本公众号立场，侵权联系删除 转载于：我爱计算机视觉，52CV君 AI博士笔记系列推荐 周志华《机器学习》手推笔记正式开源！可打印版本附pdf下载链接 前段时间OpenCV正式将SIFT算法的实现从Non-free模块移到主库，因SIFT专利到期了（专利授权后，从申请日开始有20年的保护期）。 美国林肯总统称 "专利制度是给天才之火浇上利益之油" ,专利保护了申请人的利益，促进了科技的进步，但现在也有越来越多的滥用专利权对产业机构敲诈的案例出现。 SIFT 专利权的终结让我们不得不思考，还有哪些著名的算法被申请了专利？对于做研究的朋友来说不需要考虑这个问题，专利算法依然可以参考、复现、对比，但对于产业界朋友就不得不确认清楚：项目中有没有可能使用了别人专利保护算法。 作为计算机视觉领域当今翘楚，两度获得CVPR 最佳论文奖的何恺明大佬有很多论文都具有重大影响力。其部分论文引用数据： 残差网络 ResNet 被引用 51939 次、目标检测算法 Faster RCNN 被引用 20291 次、实例分割算法 Mask RCNN 被引用 7249 次，暗通道去雾被引用 4274 次，这些知名的算法有成百上千的开源实现，也肯定被大量的商业公司使用，有没有被申请专利？ 想想 ResNet

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入！ 问句数据增广旨在自动生成上下文相关的问句增广数据，在机器阅读理解、问答、问句生成和问答式自然语言推理等任务上进一步提升模型性能。基于可控式文本改写的思想，讲者提出了一种新的问句数据增广方法称为CRQDA。该方法将问句数据增广任务看作是一个带限制的文本改写任务以生成上下文相关的可回答和不可回答问句。 刘大一恒： 四川大学3+2+3本硕博连读生，师从吕建成教授。主要研究方向为自然语言生成、预训练语言模型和机器阅读理解。目前在ACL、EMNLP、AAAI、TASLP、IJCNN、TALLIP等期刊会议上以第一作者和共一作者发表论文13篇。担任ACL、AAAI、IJCAI、EMNLP、NAACL、EACL、TNNLS等期刊会议审稿人。 一、 背景知识 1、数据增广是什么？ 数据增广是一种常用的提升模型泛化能力的方法。相比旋转、剪裁等图像数据常用的数据增广方法，合成新的高质量且多样化的离散文本相对来说更加困难。 2、文本数据增广方法分类 第一类是通过直接对文本数据进行局部修改，如采用一些随机替换、删除、插入等操作修改原始数据以得到新的数据样本。 第二类则是利用生成的方式，通过回译、复述、使用预训练语言模型和各类生成模型如VAE，GAN等生成新的训练数据。 3、什么是问句数据增广？ 文本数据增广技术被应用到文本分类和机器翻译等任务

点击上方蓝色字关注我们~ 0x00 前言 下面的内容，是笔者在学习和工作中的一些总结，其中概念性的内容大多来自书中，实践性的内容大多来自自己的工作和个人理解。由于资历尚浅，难免会有很多错误，望批评指正！ 概述 数据仓库包含的内容很多，它可以包括架构、建模和方法论。对应到具体工作中的话，它可以包含下面的这些内容： 以Hadoop、Spark、Hive等组建为中心的数据架构体系。 各种数据建模方法，如维度建模。 调度系统、元数据系统、ETL系统、可视化系统这类辅助系统。 我们暂且不管数据仓库的范围到底有多大，在数据仓库体系中，数据模型的核心地位是不可替代的。 因此，下面的将详细地阐述数据建模中的典型代表：维度建模，对它的的相关理论以及实际使用做深入的分析。 文章结构 本文将按照下面的顺序进行阐述： 先介绍比较经典和常用的数据仓库模型，并分析其优缺点。 详细介绍维度建模的基本概念以及相关理论。 为了能更真切地理解什么是维度建模，我将模拟一个大家都十分熟悉的电商场景，运用前面讲到的理论进行建模。 理论和现实的工作场景毕竟会有所差距，这一块，我会分享一下企业在实际的应用中所做出的取舍。 0x01 经典数据仓库模型 下面将分别介绍四种数据仓库模型，其中前三种模型分别对应了三本书：《数据仓库》、《数据仓库工具箱》和《数据架构 大数据 数据仓库以及Data Vault》，这三本书都有中文版

来源：码匠笔记 顾名思义，我们就是来做一个订阅号机器人，大致是这样一个过程 公众号接收用户消息 -> 微信平台发送消息给我们的服务器 -> 我们的服务器处理消息 -> 返回处理结果给微信平台 -> 微信平台发送内容给用户。 基于这样一个大前提就有了下面的步骤。 1、填写服务器配置，可以接收微信平台发送的内容 2、开发服务端，并验证服务器地址的有效性 3、处理具体的业务逻辑 1. 配置微信公众号 首先肯定需要有一个订阅号，然后在订阅号后台点击 开发者->基本配置进入如下页面，点击确定 然后进入配置页面，我们一一对配置进行讲解 开发者ID，开发者调用的唯一标示，调用接口的时候需要传递。 开发者密码，这个很重要一定要保存在自己的服务器上面，用于验证安全性。 服务地址，这个就是我们用来接收微信平台转发的用户消息的服务的地址 令牌，用户接收信息时候做验证是否请求来自微信平台 用于加密消息，防止被截获，如果 6 设置为明文模式不需要这个配置。 是否加密传输消息 我们本期只做接收图片消息，验证完成以后回复消息，所以只需要配置 3、4。 是我们具体的服务器地址，path是 weixin/receive 这个下文中具体代码部分会详细讲解 Token 随便生成一个 UUID 就可以 随机生成，后面如果调用 API 会用到。 这时候你点击提交会提示验证失败，是因为你还没有部署 API

这几天公众号都没更新，因为最近长沙一直在降雪，天冷了人也会变的懒的。好久没有玩自己的大疆，今天给大家看看雪后中南大学的雪景，这是大邓拍摄，我师兄kimmko剪的。 https://v.qq.com/x/page/g0540rpp9pz.html 前天在哔哩哔哩上看到有全套的吴恩达的机器学习教程，没看几集就被吴恩达博士渊博的知识所吸引。虽然大邓一直在学python，但都是低水平重复学习，理论要跟实际结合。学python还是为了要去应用，个人觉得机器学习是一个有用且有趣的应用场景。 学python不只是为了爬数据，更是想从数据中洞察一些知识和规律。之前大邓也买了一些机器学习、人工智能的书，学习的时间不够集中，碎片化导致大邓没坚持下来。当然内容不够浅显易懂是一个很重要的因素，没有将机器学习的脉络理清楚，概念之间关系不够清晰，感觉机器学习是一门炼金术式的玄学。 最近我时间比较闲，今天心血来潮就看了看吴恩达的机器学习教程，突然发现吴恩达教程不同于现在市面上的教程。吴恩达讲解的内容通俗易懂，连贯而又系统。比如市面上教程中总会出现的损失函数、梯度下降、线性回归，几个概念单独拎出来讲解的都没问题，但是学完了，对于这几个概念之间是怎么衔接还是有点模糊。个人觉得如果想从0开始接触机器学习，还是先跟着吴恩达的教程开始入门。 教程资源可以直接在哔哩哔哩直接搜索吴恩达机器学习 来源： oschina 链接：

来源：专知 本文 多图 ，建议阅读 5 分钟 本文介绍我们在人工智能(特别是在自然语言处理)中进行基准测试的方式时所做的工作。 当前人工智能中的基准测试范式存在许多问题:基准很快饱和，容易过度拟合，包含可利用的注释器工件，评估指标不清晰或不完善，并且不能衡量我们真正关心的东西。我将谈谈我在尝试重新思考我们在人工智能(特别是在自然语言处理)中进行基准测试的方式时所做的工作，包括对抗性的NLI和模因数据集，以及最近推出的Dynabench平台。 https://nlp.stanford.edu/seminar/details/douwekiela.shtml 来源： oschina 链接： https://my.oschina.net/u/4323830/blog/4878328

活动内容 每期99元大红包诚挚邀请小伙伴们监督或者加入我们的每周运动自律计划。作为监督回报，如果我第一周计划失败，参与活动的小伙伴私聊我发￥6.6红包。如果上一次失败小伙伴拿到我的红包，并且第二次我又失败私聊我发￥13.2的红包，依次递推，四期最高就是6.6X(1+2+4+8)=99元大红包 活动规则 以周为单位，每周至少跑步三次，每次不低于5公里 ； 本次活动为期四周； 每周会更新一篇日志，通过运动截图记录每次运动记录 活动报名 每周会更新一篇文章，凡是在当前文章右下方点亮“在看”的小伙伴都可以参加。也欢迎小伙伴们扩散出去邀请身边的朋友来薅我羊毛。也欢迎小伙伴们关注我的微信公众号：数据拾光者。 第五期第四周：20200908-0914 状态：圆满完成。 第五期第三周：20200901-0907 状态：圆满完成。 第五期第二周：20200825-0831 状态：圆满完成。 第五期第一周：20200818-0824 状态：圆满完成。 ************************************************************************** 第四期第四周：20200811-0817 状态：圆满完成。因为这周一直下雨，所以就在公司健身房跑步。 第四期第三周：20200803-0810 状态：圆满完成。参加了公司的21天卡路里大作战活动

路灯作为城市的重要基础设施，随着智慧地球、智慧城市及智慧照明概念的推广和物联网、人工智能、5g通信等技术的发展，市场对路灯也不再仅仅是照明需求，应用更强大、应用场景更丰富的智慧路灯应运而生，并跻身主流。那么5g智慧灯杆有什么用？应用在哪些方面呢？ 一、在灯杆自身应用方面： 构建强大的物联网通信网络； 强用电管理； 实现综合杆，一杆多用； 实现智慧照明应用，远程调控、节能减排。 二、公安、安防关联应用： 遵循公安的规范体系，实现视频监控、联网报警； 安全扩展服务：紧急广播、一键报警等。 三、 以道路交通服务为主的扩展应用： 城市特种车辆的跟踪管理应用； 智慧灯杆的定位服务； 车流量、违法行为等采集服务。 四、信息发布为主的服务： LED信息广告屏； 智慧交通诱导屏。 五、公共服务载体服务： 5G基站、WIFI基站； 动环数据采集； 充电桩：包含手机充电、新能源汽车充电桩； 环境监测系统； 井盖监测等。 智慧路灯体系的建设使得原始传统路灯具备了更多的应用，实现了综合利用和运营。实际上，5g智慧灯杆的作用不止作用于上述应用方面，这里只是列举了部分说明，未来智慧路灯还将围绕城市和人开发、创新出更多服务和应用，共建智慧城市。 更多资讯： https://www.zhinengdianli.com/zhihuiludeng/ 来源： oschina 链接： https://my.oschina

Daisy智能合约的DiFi应用是什么 它的的优势及亮点 如果您从事各种网络项目，您可能会了解，该行业正在应对的最大挑战。特别是在被动收入机会方面，市场上有很多项目。许多项目会试图使他们的业务看起来非常合法，显示交易所账户和实时交易。但是结果很多都失败了。 最近热门的的最新项目是 Daisy 智能合约 我们都喜欢被动收入。但是我们已经失望了很多次。但是，Daisy 智能合约被保证会有所不同 ，许多网络领导人将其作为网络营销的圣杯来出售。 因此，让我们更深入地了解Daisy 智能合约 谁在Daisy 智能合约的背后？ Daisy 智能合约代表 分散式AI系统 ， Endotech AI 被指定为他们的第一个技术合作伙伴。官方网站为 https://endotech.io/。 Endotech AI是一家以色列公司，正在为加密货币市场开发AI和算法交易内容。首席执行官兼联合创始人是Anna Becker博士。19岁时， 她解决了 20年未解决的数学方程式。这使她获得了当地大学的教授头衔。 Endotech的创始人在市场交易已有十几年的交易历史。他们的营销口号是： 自2017年以来，Endotech的表现优于比大多数持币不动的。 他们所谓的 ΣTBot™ 正在 通过Binance，Kraken，Bitfinex和BitMEX等交易所执行 自动交易。 这是他们的交易算法可以实现的性能类型。