👆点击“博文视点Broadview”，获取更多书讯 自从ChatGPT火爆出圈以来，各类AIGC产品也突然受到大家关注，不少朋友会因此对自己的职业产生担忧，目前也的确出现了因AI失业的人。 做技术的朋友好像感觉写代码这件事也很容易被替代，好像只有成为制造生产AI的人才是安全的。 如果真的想转行AI领域，该怎么转？ 为了帮助想转行的小伙伴有个思路，我们邀请到在数据分析和AI领域有深入研究、并且一直在做这方面培训的老师，也是《统计分析：从小数据到大数据》《Python机器学习技术》这两本书的作者丁亚军老师
在计算机视觉领域，目标检测发展迅速，出现了基于机器视觉技术的表面缺陷检测技术。这种技术的出现，越来越多的制造企业正在尝试将机器视觉检测技术引入产品缺陷检测。目前基于机器视觉的缺陷检测技术已经大量应用于纺织品、汽车零部件、半导体、光伏组件等产品的缺陷检测中，大大提升了制造业的质检效率。机器视觉在工业缺陷检测中的前景毋庸置疑，而工业制造领域的多样性、生产环境的复杂性、产品缺陷的非标性等因素，都给机器视觉在缺陷检测的实际应用带来了诸多挑战。 随着制造工艺越来越复杂，对于检测的准确性和稳定性要求越来越高，Fa
大部分的深度学习模型主要包含如下的两大模块：输入模块以及表示学习模块。自从NAS[1]的出现以来，神经网络架构的设计上正在往数据驱动的自动机器学习方向演进。不过之前更多的研究都是聚焦在如何自动设计表示学习模块而不是输入模块，主要原因是在计算机视觉等成熟领域原始输入（图像像素）已经是浮点数了。
什么是OpenMMLab呢？ 为了帮助更多的同学在复现上少走弯路，并且实现可以在一个相同的环境下比较不同的settings，香港中文大学-商汤科技联合实验室(MMLab)推出了OpenMMLab计划。是一个用于多个重要研究领域的开源的代码库，力求在代码的质量和整体比别的代码库更具优势，其目标就是做到"Open-Source, Unified, Reproducible"。 OpenMMLab在国内人工智能算法开源领域遥遥领先，受到了学术界和工业界的广泛好评，在多个国际学术竞赛上被冠军团队采用，并通过完善工业
工业制造在互联网的加持下已经越来越成功，中小型制造业的春天已经来临，他们有国家的优惠政策，还有工业互联网平台提供智能化工厂改造，生产效率上去了，我国的制造业水平也上去了。
前段时间 Transformer 已席卷计算机视觉领域，并获得大量好评，如『基于Swin-Transformer』、『美团提出具有「位置编码」的Transformer，性能优于ViT和DeiT』、『Lifting Transformer』、『TimeSformer』等等 Transformer为什么这么有实力？ 因为它在分类、检测等任务上展现了极其强劲的性能。而且骨干网络上的发展也推动了下游任务的发展，Swin Transformer 更是成了屠榜般的存在，在工业界具有广阔的应用前景。所以引起了人工智能研
鱼羊 发自 凹非寺 量子位 报道 | 公众号 QbitAI 给一张这样繁复的线稿： 一步步填上颜色、赋上光影： 你猜需要多长时间？ 答案是最快0.7秒。 没错，这又是AI的手笔。 厚涂不在话下，换种漫画上色风格，只要给出示例，这只AI也能迅速get到灵魂。 而这，还不是Ta的全部实力。 有别于业内针对静态漫画的上色AI，这个来自爱奇艺的智能上色引擎，还能用来给动态漫画赋上前后风格统一的色彩。 并且是已经正式「出道」的那种—— 在爱奇艺自制轻动画《吞噬永恒》中，这只自动上色AI就已经落地应用，施展了自
8月18日，CCF TF 第71期《产业变革中的工业互联网安全》线上活动成功举办。活动邀请了国家工业信息安全发展研究中心、工业互联网安全工作组负责人王冲华博士，中国移动信安中心处长张峰博士和北京双湃智安科技有限公司首席科学家陶耀东博士3位重量级嘉宾。安全SIG本年度还有一场活动，欢迎阅读文末查看。 在2021年美国东部石油输油管道遇到勒索攻击，造成大面积的能源危机；美国肉类加工厂JBS遭到勒索攻击造成食物供应危机等大背景下，本次研讨会重点讨论了工业互联网的安全问题，并与参会者互动交流。本次会议由CCF TF
6・18 购物狂欢节，掐着表的 “尾款人” 们一边在抓紧最后的时间买买买，一边是不是也在关注着还有哪些 “作业” 可以抄抄？ 有人就从大热的人工智能中嗅到了 “羊毛” 的味道。随着近几年 AI 技术的爆发，相关的商品售量从 3C 数码、美妆等常规品类中脱颖而出，成为各大企业、群体试图剁手的 “香饽饽” 之一。这突如其来的走红，估计 AI 自己都没想到。 但这不影响各位趁着 6・18 抓紧 “羊毛” 狠狠的薅！百度就在 2021 年 5 月 20 日 —6 月 30 日期间重磅推出 “2021 万有引力
👆点击“博文视点Broadview”，获取更多书讯 今天是双12，错过双11的小伙伴们可不要连双12也错过了哦~~ 如果你不知道买哪些书，可以看看大家都在买哪些。博文菌整理了本月中大家购买最多的10本书，希望可以给到你一些参考！ 双12福利 京东满100减50，部分图书满减叠券300减200 当当科技好书五折封顶 还等什么？速抢吧！ ---- 01 ▊《高性能MySQL（第4版）》 [美] 杰里米·廷利 著 宁海元，周振兴，张新铭 译 领域经典十年后全版更新 全面拥抱8.0 重磅剖析现代云数
技术是企业的核心竞争力，但所有技术都能为企业带来巨大经济效益吗？事实证明是不一定的，因为必须是可商用化和规模化的技术，才能给企业带来巨大经济效益。技术分两种，一种是研究型技术，一种是商用化技术，研究型技术关注可能性不关注成本这些经济效益，而商用化技术是对研究型技术的进一步市场化发展，关注商用化成本，关注最终的经济效益。
我们最开始以为这是互联网十年不遇的机会，但是越想越觉得这是几百年不遇的、类似发明电的工业革命一样的机遇，所以我们觉得（AI）非常重要。但是这个的确需要有很多的积累。互联网企业都有很多的积累，都在做，我们也一样在埋头研发，但是并不急于早早做完，把半成品拿出来展示。对于工业革命来讲，早一个月把电灯泡拿出来在长的时间跨度上来看是不那么重要的。关键还是要把底层的算法、算力和数据扎扎实实做好，而且更关键的是场景落地，相信我们是有很多场景是可以落地的，目前（我们）还在做一些思考。我感觉现在有很多公司太急了，感觉是为了提振股价，我们一贯不是这种风格。
知乎 ｜ https://www.zhihu.com/people/xu-xiu-jian-33
随着信息流和短视频应用的发展，推荐系统已经从传统的单目标浅层网络的中小型架构演进为多目标超大规模深度学习的复杂架构。这种复杂的系统的演进对大规模的训练推理和在线排序提出了非常高的技术要求。 另外随着用户消费内容类型以及业务复杂度的增加，如何更好地理解文字、图片、视频到多模态，乃至用户画像的进一步演进，到最终可以给用户推送最合适的内容，也成为了一个在不断迭代和优化的过程。 11 月 5-6 日，AICon 全球人工智能与机器学习技术大会（北京站）2021 将落地北京。我们邀请到了腾讯看点 CTO 兼副总经理、
今天早上各个ChatGPT&AI群都在传一个消息：今天ChatGPT官方大面积封号，今天登录gpt千万别用亚洲节点！ 过了会很多人开始发自己的账号被封了： 其实这不是ChatGPT第一次对中国用户下手，早在一个月前ChatGPT就在做各种针对中国用户的限制和封禁。 当然今天这种规模算是升级了，甚至我在知乎上看到有些日本、东南亚的用户也在讨论被封号了。 很多人可能要问为什么？包括我的ChatGPT星球上也有会员在问，其实原因很简单：ChatGPT这玩意真的能提升生产力，并且用好了是数倍提升。 而美国现在和中
随着科技的不断发展，一些在功能上具有相互补充作用的技术正在不可避免地发生结合——例如，人工智能（AI）和物联网（IoT）。
随着AI技术的逐渐成熟，越来越多的传统企业希望借助AI技术，实现智能质检。传统质检更多依靠有经验的人工劳动力来实现质量检查甚至分拣，但这样的方式，许多场景会有检查效率低，审核质量不稳定，人力投入成本高且难招聘等诸多问题。
前段时间 Transformer已席卷计算机视觉领域，并获得大量好评，如『基于Swin-Transformer』、『美团提出具有「位置编码」的Transformer，性能优于ViT和DeiT』、『Lifting Transformer』、『TimeSformer』等等。 Transformer为什么这么有实力？ 因为它在分类、检测等任务上展现了极其强劲的性能。而且骨干网络上的发展也推动了下游任务的发展，Swin Transformer 更是成了屠榜般的存在，在工业界具有广阔的应用前景。所以引起了人工智
前段时间 Transformer已席卷计算机视觉领域，并获得大量好评，如『基于Swin-Transformer』、『美团提出具有「位置编码」的Transformer，性能优于ViT和DeiT』、『Lifting Transformer』、『TimeSformer』等等 Transformer为什么这么有实力？ 因为它在分类、检测等任务上展现了极其强劲的性能。而且骨干网络上的发展也推动了下游任务的发展，Swin Transformer 更是成了屠榜般的存在，在工业界具有广阔的应用前景。所以引起了人工智能研
👆点击“博文视点Broadview”，获取更多书讯 ChatGPT可以说是近几个月最火爆的，由它引申出来的话题也是层出不穷： ChatGPT究竟有多强？ ChatGPT背后的技术是什么？ 第一批因为AI失业的人？ 可以说ChatGPT几乎涉及到了各个领域，成为大家关注的焦点。 越来越多的人与ChatGPT对话，ChatGPT也逐渐成为各路打工人的“辅助神器”，写代码、编小说、出方案、画图、做动画、剪视频等等。 同时ChatGPT也进入了许多企业，参与到了企业的工作当中。可以说ChatGPT无论是对个
前几年神经网络很火，相信大家对神经网络都有一定的了解。而图神经网络是直接在图上进行计算，整个计算的过程，沿着图的结构进行，这样处理的好处是能够很好的保留图的结构信息。而能够对结构信息进行学习，正是图神经网络的能力所在。 下面我们就来看看图神经网络为什么强大？ 图神经网络的应用场景自然非常多样。笔者在这里选择一部分应用场景为大家做简要的介绍，更多的还是期待我们共同发现和探索。 1. 计算机视觉 在计算机视觉的应用有根据提供的语义生成图像，如下图所示（引用）。输入是一张语义图，GNN通过对“man behi
// 把闸拉了，今天谁也别想加班！ // 又是一年1024，又是一年程序员节 电子工业出版社博文视点联合当当网为奋战了一整年的猿媛们 奉上一份安慰购书大礼包 ◆ 当当网计算机图书全场5折封顶 ◆ 粉丝专属优惠码 满200减50 UPY578 满300减80 SF5R86 买的越多优惠越大 犹豫什么 囤它！ ---- 使用渠道：当当小程序或APP 使用时间：10/20-10/24 仅限当当自营科技类图书 结算时输入优惠码： 满200减50 UPY578 满300减80 SF5R86 进入下
作者 | 马红伟 人工智能在疫情期间的各行各业都起到了关键的作用，在这个阶段也取得了迅速的发展，深度学习、自然语言处理、图神经网络、多模态语音交互、计算机视觉等人工智能技术被应用在了各个领域中，飞速发展的同时很多问题也在落地实践中滋生。 为了帮助大家更好地落地人工智能技术、解决当下实际操作中遇到的技术难题、找到 2021 年人工智能的发展方向，我们决定在 2021 年 9 月 17-18 日于北京国际会议中心举办 AICon 全球人工智能与机器学习技术大会。本次会议在组委会和专题出品人的把关下共设置了 12
👆关注“博文视点Broadview”，获取更多书讯 618年中狂欢 博文菌又来给大家送当当优惠码啦 可以在当当自营图书每满100-50的基础上叠加使用哦 爱读书的你们又双叒叕可以下手啦 满300减60： UXZ4R8 自营图书专享（教材以及特例品除外） 本次优惠券只有30张 数量有限，速抢吧！ 怎么BUY？ 优惠码：UXZ4R8 使用渠道：当当小程序或当当APP 使用时间：2021.6.15~6.20 使用方法： 步骤一，挑选心仪的图书至购物车点击结算 步骤二，点击优惠券/码处 步骤三，
人靠衣装，佛靠金装，科研成果靠图装。如今做科研不仅只需要会做实验，如何将成果美美地展示出来也是一门需要培养的技能。科研海报、项目PPT、论文插图、通路图……这些直接刺激人感官的展示都可以帮助升华我们的科研内容。
TF——为技术团队提供顶级交流平台。日前，TF 2023年度活动计划已确定，共计33场活动将于4月开启，活动主题涉及知识图谱、数据科学、智能制造、架构、安全、智能设备与交互、数字化转型与企业架构、算法与AI、智能前端、工程师文化、研发效能、软件质量工程等技术方向。 TF技术前线（Tech Frontier） 2017年6月成立，为企业界计算机专业人士创建的企业间常态化合作交流平台，隶属CCF 企业与职业发展工作委员会。自创建至今，已举办96期TF研讨会。涉及主题包括知识图谱、数据科学、智能制造、架构、安全
开工已经一周多，我们迎来了阳春三月。相信大家都已经从“节后综合症”中缓了过来，在和领导们立好“flag”后，各种指标压力滚滚而来。大家也纷纷开始摩拳擦掌，打算大干一场，“牛”转乾坤！ 牛年怎么干？腾讯企点来支招！“牛年开牛市”开工增长礼包，让数字化转型不再只是口号。 腾讯企点可以帮助您的企业，通过微信、QQ社交通路等全渠道与您的客户进行沟通、理解，同时可以打通从营销孵化、销售转化、交易协同到客户服务的全业务流程。数字化的智慧客户运营，帮助企业从根本上贯彻服务营销一体化的理念，是企业“持续增长”的秘籍。 点
第四范式就是给各行各业提供人工智能技术与服务的。愿景是能够基于行业应用场景及痛点，用机器学习技术开发出解决方案，为企业提升商业价值，找到下一个增长点，提升企业竞争力。目前主要覆盖的行业是金融和互联网。还积极参与了糖尿病，生物基因等公益项目的科研，未来希望覆盖到各行各业，让每个人都享受到人工智能带来的红利。
8月14日消息，据官方消息透露，快手商业化业务中台技术负责人、资深架构专家张铁蕾已于近日离职。他已投身大模型创业，即日起出任水木分子技术工程副总裁，负责生物医药大模型架构与工程落地。作为清华系大模型创业公司，水木分子由张亚勤院士创办的清华大学智能产业院（AIR）于今年7月孵化成立。清华大学国强教授、AIR首席研究员聂再清教授担任首席科学家。公司已完成千万级种子轮融资，致力于打造生物医药行业基础大模型及新一代对话式药物研发助手。
导读 10月10日上午，2018腾讯安全国际技术峰会（TenSec）在深圳举行。腾讯云高级研究员陈炳文在峰会上带来了题为《The Application of Anti-fraud in Marketing Risk Control》的议题分享。他指出，在网络营销中“羊马牛”党等黑产逐渐演变壮大，给商家带来巨额损失。针对营销黑产，腾讯云天御反欺诈系统搭建的多层级安全体系能够从数据安全、AI 组件、AI 安全模型和风控服务四个层面实施有效防护。 （陈炳文在2018腾讯安全国际技术峰会） “羊马牛”党猖獗
兢兢业业打工人盼望的年终奖，正随着一年的结束而陆续“落袋”。但在年底高频消费的一波“攻击”下，打工人又要精打细算一番，“把钱花在刀刃上”了。
8小时玩转AI绘画 |《腾讯云AI绘画-StableDiffusion图像生成》训练营抢先学习！
随着人工智能创新的最新进展和媒体报道，".ai"关键字在.xyz注册中的普及率迅速上升。从2022年到2023年，“ai”已经成为.xyz新注册中排名第一的关键字，如.xyz的每月域名报告所示。"ai"关键字被创新的终端用户使用，如解决方案开发商UnrealAI.xyz和广告活动平台PeachlyAI.xyz。
现在是机器学习 ( ML ) 和人工智能 ( AI ) 的黄金时代，人工智能模型的新方法和用例持续增加。而 PyTorch 作为最流行的深度学习框架，与 AI 密切相关。 PyTorch 框架发展迅猛，现在可以说几乎占据深度学习框架的半壁江山： 它被广泛用于构建和训练神经网络，包括图像分类、语音识别、自然语言处理等应用； 它提供了简单易用的 API，可以帮助研究人员和开发人员快速构建和测试新的深度学习模型，从而 推动 AI 技术的发展； PyTorch 还支持自动微分，可以大大简化训练过程，并使神经网络的调
网络营销的普及让许多商家尝到了互联网的甜头。领取优惠券、赠送礼品等手段为商家带来了更多用户和更高营收，但同时也催生了营销场景下的网络黑产。曾有业内人士大致测算，中国电信网络黑产从业人员已经超过150万，市场规模达到千亿元级别。
PyTorch 和 TensorFlow 是目前最主流的两个深度学习框架，绝大多数研究者会选择PyTorch 或者 TensorFlow 进行深度学习的入门学习。图1展示了近两年来几个主流深度学习框架的 Google 指数，其中 PyTorch 和 TensorFlow 的热度不相上下，均遥遥领先于其他框架。 图 1 TensorFlow、PyTorch、MXNet、Caffe 和 PaddlePaddle 的 Google 指数 本文将从以下 4 个方面对比介绍 TensorFlow 和 PyTorch
文末有惊喜彩蛋哦~ “在 2014、2015 年，如果你不提移动互联网，显得你特别 low；2015 年，如果你不谈 O2O，好像都不好意思去创投的所有场合；从 2016 年底到 2017 年初，如果你说话时口里不带着大数据，显得你多少有点不合群；2017 年上半年，很多人连 AI 是什么都不知道，嘴里就挂着这个词到处讲。”猎聘网 CEO 戴科彬虽然在说创投泡沫，但也切实反映出了互联网行业变化之快。 但互联网技术有一个特点：只要种下一粒种子，总会在某个时间开花。 “咸鱼翻身” 没人会怀疑，2017 年左
👆点击“博文视点Broadview”，获取更多书讯 深度学习最令人兴奋的应用之一是智能照片美化，例如为黑白图像着色、破损图片修复以及去模糊等。 以黑白图像着色为例，通过将 AI 与照片着色相结合，即使不会使用Photoshop 等图片编辑工具，为黑白照片着色也可以一键完成。 这具体是如何实现的？下面就来告诉你！ 1 颜色空间 当我们加载图像时，会得到一个3维（高度、宽度、颜色通道）数组，其中颜色通道的数据代表 RGB 颜色空间中的颜色，每个像素都有 3 个数字，表示该像素的红色、绿色和蓝色值。 在图1中
上个星期，国内科技领域因为首批大模型公众服务落地而火爆。在大模型的工业应用一侧，也有重磅事件发生。
14号，小米CEO雷军在微博宣布，正在研发一些“有趣的技术和产品”。 雷军称，此前曾多次被问及对于大模型和AIGC的看法。 此次，雷军正式对这些问题公开进行回应，表示“在AI领域已经耕耘多年”，对大模型“当然会全力以赴，坚决拥抱”。 据澎湃新闻消息，就在同一天，小米集团发布内部邮件，任命栾剑担任技术委员会AI实验室大模型团队负责人，向技术委员会副主席、AI实验室主任王斌汇报。 公开资料显示，栾剑在此之前任小米技术委员会AI实验室语音生成团队负责人，曾任东芝研究院研究员、微软工程院高级语音科学家、微软小冰
Generative AI（GenAI）和大语言模型（LLM）毫无疑问是2023年最热门的科技，而这种势头在2024年及以后也不会减缓。企业将继续投资数十亿美元用于这些技术，富裕的组织将沉溺于并购狂潮，以确保他们处于创新的前沿。
前段时间部分科技界、科学界的大佬签署了一份倡议书，呼吁停止AGI的研发6个月。直到我们能够确保：
随着人工智能技术的飞速发展，AI已经在各行各业发挥着越来越重要的作用。最近，Stable Diffusion文本生成图片模型作为一种备受瞩目的AI技术，引发了广泛关注。这种模型能够根据用户提供的文本描述，生成与之相对应的高质量图片，为人们带来了前所未有的视觉体验。但是，搭建Stable Diffusion模型，并不是简单的事情，需要足够的计算资源，包括GPU、CPU、内存，以及大量数据集等。
如此一来，巡检员就能避免误入带电危险区域，还能全程记录工作过程和数据，事后还能自动分析处理，一键生成报告。
最近有学员再后台吐槽大厂对于知识图谱项目方面的考察深度提升了很多，面试问题一环接一环，把自己问的头皮发麻： 说说自己在项目中具体负责的模块中用到的技术细节，遇到了什么问题？ 为什么这么做？效果如何？你如何调整模型，你思考的逻辑是什么？ 你使用的模型的损失函数、如何优化、怎么训练模型的、用的什么数据集？ 优化算法的选择做过哪些？为啥这么做？ ...... 大家都知道NLP近几年非常火，而且发展也特别快。那些耳熟能详的BERT、GPT-3、图神经网络、知识图谱等技术也被大量应用于项目实践中。 尤其是知识图
机器之心报道 作者：吴昕 基于单模态 GPT-3 的 ChatGPT 「地震」余波未平，多模态 GPT-4「海啸」又顷刻席卷朋友圈。 「这提醒我们，对人工智能的预测是非常困难的。」OpenAI CEO Sam Altman 曾在 DALL-E 2 发布后讲过这样一句话。事实证明他是对的。基于符号主义的专家系统的衰落，让人们一度认为人工智能已走到尽头，2012 年的深度学习又点燃了希望，如今它已统领 AI 领域。随着系统规模越来越大，训练时间和资金成本也在不断膨胀。就在大家担心向模型添加参数正达到边际效益递减
在计算机视觉领域，目标检测发展迅速，越来越多的制造企业正在尝试将机器视觉检测技术引入产品缺陷检测。目前基于机器视觉的缺陷检测技术已经大量应用于纺织品、汽车零部件、半导体、光伏组件等产品的缺陷检测中，而工业制造领域的多样性、生产环境的复杂性、产品缺陷的非标性等因素，都给机器视觉在缺陷检测的实际应用带来了诸多挑战。 随着制造工艺越来越复杂，对于检测的准确性和稳定性要求越来越高，然而，由于知识点比较繁杂，无论是高校或企业都很难形成一套完整的教程。许多刚入门的同学，只能依靠网上零散的资料学习，很难高效成长进步
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
