深度学习

向AI转型的程序员都关注了这个号 👇👇👇 机器学习AI算法工程 公众号：datayx 人岗智能匹配 根据智联招聘抽样的经过脱敏的求职者标签数据、职位信息、及部分求职者行为信息、用人单位反馈信息，训练排序模型，对求职者的职位候选集进行排序，尽可能使得双端都满意的职位（求职者满意以及用人单位满意）优先推荐。本次比赛里，假定对于曝光给求职者的职位候选集里，假如求职者感兴趣会产生浏览职位行为，浏览职位后，如果求职者满意会产生主动投递行为。用人单位收到求职者主动投递的简历后会给出是否满意的反馈信号。 项目代码 获取方式： 关注微信公众号 datayx 然后回复 人岗匹配 即可获取。 AI项目体验地址 https://loveai.tech 评估标准 a) 测试数据由n组曝光职位数据集合组成，每组数据包含一个求职者以及一序列曝光候选职位。参赛者需要对每组职位进行预测并排序给出排序后的职位序列。对n组排序后的职位序列，比赛采用以下计算方式作为评估指标。通过计算所有n组排序后的职位序列里，求职者投递(delivered)职位的MAP值以及用人单位中意(satisfied)职位的MAP（Mean Average Precision），由最终的加权评价值 提供的训练数据包含三张表，分别是简历描述表 table1_user： 薪资表： 期望薪资是10位或者12位（遇到9位或者11位前面或者后面补0

本文作者：y****n 百度云智学院首次对外发布了AI全栈学习路线图，由百度一众技术导师以及行业领域专家联合整理贡献，结合视频课程、实验项目等大量优质的学习资源，配套测评考试与能力认证，覆盖AI初学者从入门到行业专家的学习全周期。 AI全栈学习路线从数学基础、编程语言、算法原理再到框架精讲，基本涵盖了机器学习、深度学习的主要知识点：线性回归、逻辑回归、神经网络、K-Means等，还同步提供在线实训环境与足量的GPU、CPU计算资源，帮助学习者一键进入AI场景进行算法实践。在进阶学习阶段，百度云智学院从百度企业级开发案例中萃取出数个经典实战项目，涉及农业、医疗、卫生、汽车、等多个行业应用领域，真正提供人工智能体系化课程一站式在线学习服务。 学习者在课程学习与实践之后，可在线考取百度云智学院所颁发的能力认证证书，标识自己在AI学习领域的专业知识和技术水平，还可以通过百度云智学院才智中心，给自己所获认证相匹配的岗位投递简历，获得更多更好的就业机会。 此外，百度云智学院还同步发布了AI产品与应用学习路线与云计算学习路线，理论精讲与产品实践相结合，帮助学习者快速熟悉业内领先的百度AI、云计算技术在实践场景中的应用，系统了解相关产品架构设计与技术服务优势，深入掌握百度技术如何满足个人开发者和企业级用户的业务需求。 学习地址： 人工智能全栈学习路线 云计算学习路线 AI产品与应用学习路线

上礼拜从9月17号到21号和另外一位同事参加了在上海举办的“世界人工智能大会”和杭州的“云栖大会”。云栖大会就不用多介绍了，已经在杭州云栖小镇举办了好几届，主要涉及到人工智能、云计算、大数据、互联网+等领域。而这个世界人工智能大会好像才是第一届（当然不知道还会不会有第二届了），由上海市政府主要承办，邀请了国内外知名IT公司和技术达人参与，听说习大大还专门致信表示祝贺了，看来这个大会来头不小，当然事实也证明，确实比较隆重。两个大会都是以“主论坛”、“分论坛”以及“展览区”的形式存在的，主论坛我没去过，好像都是一帮IT大佬、市政领导发表演讲，大多都是精神上的解读，分论坛大多以技术为主，由各个公司承办，主要介绍他们比较有影响的技术和解决方案，作为技术人员，我当然选择晚去一天参加一些分论坛了。展览区都一样，每个公司（产品）占一块地方展示自己的东西。 由于公司业务关系，我在上海主要参加了商汤科技和阿里巴巴公司关于城市大脑的分论坛，然后参观了展览区，看到了谷歌、亚马逊、腾讯、阿里巴巴、商汤科技、pony.ai无人车、旷世face++、地平线、寒武纪等一些公司的产品（其它的记不住名字）。在杭州云栖大会上主要参加了Nvidia的一个分论坛，主要介绍了他们公司牛逼的显卡、以及专门用于AI视频分析的一个框架DeepStream 2.0。下面以流水账的形式简单记录一下上海三天的参会记录。

人类历史从本能到智能，历经了上千年的翻天覆地的变化，而数据存储同样如此。从远古时代的结绳记事，人类通过上万年的摸索，到现在智能存储时代，历史发展从未停止。今天，正走向未来的超级智能存储时代， 作为参与者的矿工们，很关注Filecoin未来价格走向 。 V zhang228289 占有市场，FIL价格是关键 今天，互联网从发展已经达到了一个新的瓶颈点。存储的数据量接近数百ZB，云存储市场的规模约在460亿美元至960亿美元之间。而这么大的存储市场，却集中在少数垄断企业集团手中。 亚马逊、微软、Google 、阿里、腾讯约占全球云存储市场的三分之二！ 这种中心化存储带来的一系列问题，比如隐私泄露、安全性不高、审查制度、运营终止、寡头垄断等，让人焦头烂额。 Filecoin作为一个为人类最重要的信息，打造的去中心化分布式存储网络，它的使命是分散和破坏高度集中的云存储市场。终结寡头云存储的垄断，允许用户识别和验证本地存储设施，并通过协议平台与矿工协商价格。 Filecoin独到之处是让客户有了自己的定价权和议价权，打破了中心化云存储商的独裁定价机制，回归市场支配经济的初衷，从长远来看，这无疑有益于数据存储行业的良性发展与进步 。 而且存储的分布可以实现本地优化，比中心化存储平台响应的速度更快，同时，本地优化能够让大数据存储距离用户更近，不再依赖大型区域数据运营商。 当然

在深度学习的帮助下，文本分类在过去几年中取得了许多重大的进步。并且已经提出了几种新颖的思想（例如 neural embedding，注意力机制，self attention，Transformer，BERT 和 XLNet），这些思想在过去十年中取得了飞速发展。尽管取得了不错的进展，但仍然有许多挑战需要解决。本文介绍了其中一些挑战，并讨论我们认为将有助于推动该领域发展的研究方向。 更具挑战性的新数据集 尽管近年来已经公布了许多用于 常见文本分类任务 的大规模数据集，但是仍然需要 更具挑战性的新数据集，例如具有 多步推理的QA（QA with multi-step reasoning） 和 针对多语言文档（multi-lingual documents） 的文本分类。推出满足这些挑战性任务的 大规模标记数据集， 有助于推动这些领域的研究。 为常识建模 将 常识 整合到深度学习模型中，一定程度上能够提高 模型性能 和 泛化能力，这样的模式和人类 利用常识执行不同任务 的方式相同。例如，配备常识性知识库的问答系统 可以回答有关现实世界的问题。 常识 还有助于解决信息不完整情况下的问题。利用广泛存在的 常见对象或概念 的知识，人工智能系统可以像人们那样 对未知事物 基于“默认”假设 进行推理。尽管已经有工作利用该思想进行了情感分类研究，但仍需要进行更多研究以

每天进步一点点，关注&置顶“ 我爱计算机视觉 ” CV君：本文作者为百度 PaddlePaddle 组技术布道师Charlotte77，内容全是实战经验的精炼总结，强烈推荐大家收藏。 除了列出来的内容，各位读者有什么独门秘籍也欢迎文末留言分享！截止到明晚23点（7月22日），留言被点赞最多的深度学习绝招，联系CV君（文末扫码）发50元红包！ 昨天看到几篇不同的文章写关于机器学习的to do & not to do，有些观点赞同，有些不赞同，是现在算法岗位这么热门，已经不像几年前一样，可能跑过一些项目、懂点原理就可以了，现在对大家的要求更高，尤其工程能力更不可缺少，只跑过一些iris鸢尾花分类、啤酒与尿布、猫狗分类等的同学需要再提高提高，因为竞争太激烈了， 我在这里结合我自己的经验 总结一下 吧～ To Do 做项目时，边搜集数据可以边用已经搜集好的 少部分数据跑模型 。不用等到所有数据都搜集好了再跑。 不知道什么算法合适，可以直接把所有的算法都跑一遍，看效果再选择，多跑几个应用场景你就知道什么算法适合什么场景，什么数据对不同的算法会有什么影响了。 不知道什么参数是最佳参数，可以用random search或者grid search自动搜索最佳参数组合，有经验以后对于每个参数的大概范围心里会有个数。 一定要练习工程能力，只会调参的demo侠现在很难找到工作啦。 模型复现和刷题

智慧工厂是现代工厂信息化发展的新时期。是在数字化工厂的基础上，运用物联网的技术和设备监控技术增强信息化管理和服务，清晰掌控产销流程、提升生产加工过程的可控性、减少生产线上人工的干预、及时准确地采集生产线数据，以及合理的生产计划编排与生产进度。并加上绿色智能的手段和智能系统等新兴技术于一体，创建一个高效节能的、绿色环保的、环境舒适的人性化工厂。 相较于传统工厂，智慧工厂能实现生产线上无人化、精确管理化、环节数据化、联网通讯化和能源低碳化。基于庞大数据库实现数据挖掘与分析，使工厂具备自我学习能力，并在这个基础上完成能源消耗的优化、生产决策的自动判断等任务，以最大程度提升生产效益，更符合快速发展的现代社会对于工厂的要求，更符合时代发展的新理念、新要求。 智慧工厂的生产加工过程全程无需人工操作，智能化机器就可以实现工厂内的所有生产，引入基于计算机数控车床、机器人等高度智能化的自动化生产线，满足个性化定制柔性化生产需求，有效缩减产品生产周期、削减人力成本，同时又能解决工厂的招工问题，削减工厂支出成本，提升工厂效益。 智慧工厂充分运用现代信息技术，建成一套覆盖全区的视频监控云平台，实现工厂内智能巡检、精确分析预警、高清无线视频监控等，能通过可视化平台智能监控，显示生产的实时动态，不但能实现统一调度和指挥，还能实现操作人员远距离参与生产加工过程的修正或指挥。 通过无人机拍摄的高清视频，实时、安全

❝ 【图雀社区 9 点钟】1 分钟了解科技、技术圈热点、动态 2020 年 7 月 7 日 星期二 ❞ 【今日热点】 「◆ Paddle .js 1.0 发布，浏览器中的深度学习框架」 Paddle .js 1.0 发布了。 Paddle .js 是百度 Paddle 的 web 方向子项目，是一个运行在浏览器中的开源深度学习框架。 Paddle .js 可以加载提前训练好的 paddle 模型，或者将 paddle hub 中的模型通过 paddle .js 的模型转换工具变成浏览器友好的模型进行在线推理预测使用。目前， paddle .js 仅可以在支持 webGL 的浏览器中运行。 来源： 「https://github.com/ PaddlePaddle / Paddle .js/releases/tag/v1.0」 「◆ AWS 推出 CodeGuru，提高代码质量并降低运营成本」 AWS 方面宣布，其基于机器学习的开发人员工具 CodeGuru 已全面可用。CodeGuru 可提供智能建议，以帮助提高代码质量并降低运营成本。AWS 亚马逊机器学习副总裁 Swami Sivasubramanian 称，“我们的客户开发并运行了许多应用程序，其中包括数百万行代码。确保这些代码的质量和效率是非常重要的，因为即使是几行代码中的错误和低效也会造成非常大的损失。现如今

近日，网络安全公司 NordPass 在对近2.757亿个密码进行审查后，统计公布了2020年最常用密码TOP200名单。 >>>> “123456”位居榜首，有近250万人使用 ，而在去年，该密码排名第二，据NordPass统计，该密码已经被破解了超过2350万次。 从榜单来看，前十名密码依次是：123456，123456789，picture1，password，12345678，111111，123123，12345，1234567890，senha。 其中，位居其三的picture1和位居其十的senha（在葡萄牙语中是密码的意思）均是今年新上榜的密码。 据悉，前十名的密码可以在10秒甚至更短的时间内被破解，而位居其三新上榜的“picture1”则可以在3小时内被破解。 可以说，这200个密码是2020年最烂的密码，不少网友纷纷表示已中招。 完整榜单： https://nordpass.com/most-common-passwords-list/ 这些由简单的纯数字加字母，或键盘上的临近字母组合及姓名缩写等均属于“弱密码”范畴。每年都会有很多企业或个人因密码设置过于简单导致自身权益受损，个人隐私和身份信息被冒用。 不少用户为了使用方便，简单易记，且用户隐私意识和数据安全意识不够强等，总爱设置相同的用户名和密码，而一旦这些数据被泄漏后

点击上方 “ 机器学习与生成对抗网络 ”，关注"星标" 获取有趣、好玩的前沿干货！ 来源 新机器视觉 来自 小白学视觉 编辑 王萌 深度学 习冲鸭 著作权归作者所有，文仅分享，侵 删 1.颜色特征提取 计算机视觉的特征提取算法研究至关重要。在一些算法中，一个高复杂度特征的提取可能能够解决问题（进行目标检测等目的），但这将以处理更多数据，需要更高的处理效果为代价。而颜色特征无需进行大量计算。只需将数字图像中的像素值进行相应转换，表现为数值即可。因此颜色特征以其低复杂度成为了一个较好的特征。 在图像处理中，我们可以将一个具体的像素点所呈现的颜色分多种方法分析，并提取出其颜色特征分量。比如通过手工标记区域提取一个特定区域（region）的颜色特征，用该区域在一个颜色空间三个分量各自的平均值表示，或者可以建立三个颜色直方图等方法。下面我们介绍一下颜色直方图和颜色矩的概念。 （1）颜色直方图： 颜色直方图用以反映图像颜色的组成分布，即各种颜色出现的概率。Swain和Ballard最先提出了应用颜色直方图进行图像特征提取的方法[40]，首先利用颜色空间三个分量的剥离得到颜色直方图，之后通过观察实验数据发现将图像进行旋转变换、缩放变换、模糊变换后图像的颜色直方图改变不大，即图像直方图对图像的物理变换是不敏感的。因此常提取颜色特征并用颜色直方图应用于衡量和比较两幅图像的全局差。另外