人工智能,打开沟通内容的黑盒。 近两年,飞书、钉钉、企微等等办公软件很火。它们被定义为「内部沟通神器」,也曾写下过一个规模超5000人的大厂不需要总部办公大楼的传说,在技术与语言的结合中扮演了前锋。 科技改善沟通,不止是一个愿景,也是中国科技圈、尤其是人工智能领域正在发生的大事。 在一家企业的运转中,对内的沟通协同意义重大,对外的沟通也同样不容轻视。 例如,全球车企特斯拉的传记中曾记录这样一段故事: 2013年,特斯拉推出的 Model S 事故频发,品牌口碑下滑,工厂一度面临停产危机。当时,马斯克突发奇想
数据挖掘的基本任务包括利用分类与预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐等方法,帮助企业提取数据中蕴含的商业价值,提高企业的竞争力。
作者简介 李健,携程度假大数据开发总监。2013年底加入携程,在攻略社区及度假负责自然语言处理、图像、推荐等领域的开发管理工作。 写在前面 在人工智能时代, AI技术会以提供更精准更高效的方式在流程改进、沟通费力度下降、沟通效率提高、成本降低及收益提升等众多方面全面改变目前的商业模式、推动业务发展。携程度假的智能云客服平台在这方面做了很多有益的尝试,大大提升了携程度假客服的效率和用户体验。 一、智能云客服平台概述 在智能云客服平台上线前,在包括IM/微信、在线客服和电话客服在内的多个服务渠道的各个行为阶段都
知识图谱(Knowledge Graph),在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建 、绘制和显示知识及它们之间的相互联系。知识图谱,是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域 以及整体知识架构达到多学科融合目的的现代理论。知识图谱,它能为学科研究提供切实的、有价值的参考。
作者 CDA数据分析师 1992年,肉丝(Ross Ihaka)和萝卜特(Robert Gentleman)两个人在S语言(贝尔实验室开发的一种统计用编程语言)的基础上开始构思一种新的用于统计学分析的开源语言,直到1995年第一个版本正式发布(和各位年龄相仿)。因为他们名字的第一个字母都是R,所以这门语言就被叫做R。这两个人都是统计学教授出身,再加上R语言的生父S语言,所以R语言在统计学方面有着纯正的血统! 如果你平时的工作会涉及到统计学,那么接触R语言实在是太正常不过了。因为R语言本身为统计而生,
4.1.2 大数据应用的技术质量体系综述 1 离线工程系统的测试验证工作,即算法测试
文丨赵熙朝 📷 制造过程中应用机器学习是进一步对制造系统进行智能赋能,实现替代或辅助管理人员和专业人员对不确定业务进行决策的能力。 01 为什么要把机器学习 应用于智能制造 提到智能制造,不能不提到"机器换人",如果说利用机器人、自动化控制设备或流水线自动化替代传统的生产线上操作工和物料人员,实现“减员、增效、提质、保安全”的目的,而在制造过程中应用机器学习就是进一步对制造系统进行智能赋能,实现替代或辅助管理人员和专业人员对不确定业务进行决策的能力。 DIKW模型将数据、信息、知识、智慧纳入到一种金字塔形的
机器之心原创 作者:杜雪 2013 年,DeepMind 在 NIPS 大会上发表的一篇深度强化学习的文章,一举惊艳了学术界。2016 年 1 月,AlphaGo 在一场围棋大赛中击败李世乭吸引全世界的目光,其背后的强大武器正是深度强化学习技术。同年年底,2016NIPS 最佳论文奖也颁给了解决深度强化学习泛化能力较弱问题的论文。 随着深度学习的突破性进展,也促使强化学习的研究前景,重新获得了产业各界的关注。2016 年 8 月,在 ACM(国际计算机学会)会刊一篇名为《强化学习的复兴》的文章中提到,「D
作者:朱建平 腾讯云技术总监,腾讯 TEG 架构平台部专家工程师 1.关于人工智能的若干个错误认知 工智能是 AI 工程师的事情,跟我没有什么关系 大数据和机器学习( AI ) 是解决问
产品测试是电子与通信生产过程中重要的环节。基于对产品质量的严格把控要求,高精密电子通讯产品的测试调试环节成本可占到总生产成本的30-40%,且耗时耗力。以某多频段无线网络收发产品为例,调试与测试项目多达300多项,很多指标之间存在相互关联,调试与测试周期长,单个产品平均耗时超过1个小时。
背景 马老师曾提到三次技术革命:“第一次技术革命是体能的释放,是让人的力量更大,第二次技术革命是对能源的利用,使得人可以走得更遥远,而这一次技术革命是IT时代走向DT时代,是真正的大脑的释放。我们其实
本文根据新浪资深技术专家高翔在软件绿色联盟开发者大会发表的《人工智能时代的自媒体个性化推荐实践》主题演讲整理而成,介绍了新浪新闻多个业务场景下(push、信息流、视频等)的人工智能技术迭代和业务驱动,如何在内容审核、内容理解和内容分发等多个领域进行持续赋能提效。
推荐系统根据用户的历史行为分析用户的兴趣,再根据兴趣为用户推荐项目。然而,在推荐系统运作过程中,新用户与新项目会源源不断地出现。由于这部分用户与项目没有历史评分信息,系统无法有效推断新用户的兴趣与新项目的受欢迎度,这种涉及新用户和新项目推荐的问题成为冷启动推荐问题。
这部分只是抛砖引玉贴一些看到的非常好的业内方案。 因果推断在很多领域都有很有意思的应用,值得收藏。
一直以来,推荐系统领域面临模型线上线下效果差距大的痛点问题,昂贵的线上 A/B 测试成本使得广大研究人员望而却步,也造成学术界的推荐系统研究与工业界的实际应用间的巨大割裂。随着大语言模型展现出类人的逻辑推理和理解能力,基于大语言模型的智能体(Agent)能否模拟真实用户的交互行为,从而构建一个可靠的虚拟推荐 A/B 测试场景,以帮助推荐研究的应用落地,是一个急迫、重要且极具经济价值的问题。
联邦学习(Federated Learning,FL)又名为联邦机器学习(Federated Machine Learning),是一种具有隐私和敏感数据保护能力的分布式机器学习技术。在联邦学习技术的应用中,有两个及以上的参与方,各个参与方之间不直接共享原始数据,而是通过安全的算法协议实现“数据不出本地域”的联合机器学习建模、训练以及模型预测。
本项目案例由珍岛集团投递并参与“数据猿年度金猿策划活动——《2022大数据产业年度创新服务企业》榜单/奖项”评选。
大模型,大在数据、大在算法、也大在算力。云服务是打造和调用大模型能力的「快捷方式」。
数据猿导读 恒丰银行探索的精准营销系统打通银行内外部数据,并利用人工智能技术,对数据进行深度挖掘,打造个性化理财推荐系统,预测客户需求和价值,实现细分客群精准触达等大数据驱动的银行业务场景的可持续化营销。 📷 本篇案例为数据猿推出的大型“金融大数据主题策划”活动(查看详情)第一部分的系列案例/征文;感谢 恒丰银行 的投递 作为整体活动的第二部分,2017年6月29日,由数据猿主办,上海金融信息行业协会、互联网普惠金融研究院合办,中国信息通信研究院、大数据发展促进委员会、上海大数据联盟、首席
事实上,AI 技术应用于内容行业已经不是一件新奇的事,如 2017 年,美国第一大通讯社美联社的大多数稿件已经由人工智能完成,今日头条的 xiaomingbot 在2016 年里约奥运会的 16 天中共生产了 450 多篇奥运新闻稿,阅读数总计超过百万。在突发信息类新闻方面,写稿机器人的效率超过人类,并可以解放编辑人员时间,让他们可以投入更有价值的深度稿件写作之中。
人工智能的诞生可以追溯到上世纪50年代,在达特茅斯会议上,麦卡锡提出了AI的概念,但在初期的热度过后,人工智能的发展经历了多次低谷,直到从90年代中末期开始至今的这近二十年的时间里,人工智能才真正迎来了黄金时期。尤其是在近10年来,各方面因素都推动其不断发展:理论上,机器学习,尤其是统计学习和神经网络理论不断突破,效果显著;外部环境上,软硬件技术的进步为人工智能模型的实现提供了足够的计算能力;此外,极为重要的一个因素就是在数据方面,大数据技术的发展使人工智能终于摆脱了数据的桎梏,可以在充足的样本基础上提升模型的能力。可以说,现在各领域智能模型的研发绝大多数都离不开大数据技术的支持。
---- 新智元报道 作者:张乾 【新智元导读】创建先进的机器学习模型既需要专业的技术人员,也非常耗时耗力,是企业在应用机器学习中的一大痛点。现在包括谷歌、Facebook在内的国际前沿企业都在探索让机器自主学习的路径。值得注意的是,中国一家成立仅半年的公司——智铀科技研发出全自动机器学习平台“EBRAIN”,让非专业人员也能够自如的使用机器学习。近日,智铀科技宣布完成两轮融资,公司估值高达4亿。 昨天,谷歌正式开放免费的机器学习速成课,适用于各级别的开发者和研究者,让无数人欢呼。 原因在于,
NVIDIA 创始人兼 CEO 黄仁勋先生关于计算领域之未来的主题演讲。 演讲人:黄仁勋 NVIDIA 创始人兼 CEO 2018/11/21 周三 10:00 - 12:00 | 主会场 三层金鸡湖厅
点个关注👆跟腾讯工程师学技术 导语|秉承“技术提效”理念,探寻多媒体AI技术于广告业务的最佳应用实践。 本文由腾讯广告多媒体AI中心总监、杰出科学家刘威撰写,他和他的团队打造了以混元AI大模型为代表的广告多媒体AI技术矩阵,并应用于腾讯广告系统升级中。这一创举提升了广告系统的理解能力,让系统更加智能,从而提高用户体验以及广告转化效果与广告制作效率。 腾讯广告秉承“技术提效”理念,基于太极机器学习平台,凭借混元AI大模型和广告大模型,充分提升了广告系统的理解能力和运算能力,助力广告主达成起量、成本和稳定
作者 | 关舒元、胡夕、刘琛 新冠疫情全球肆虐,预期的通货膨胀,使得投资理财变得愈发重要。截止 2020 年 11 月份,客户在老虎证券的累计开户数已突破百万,对于券商而言,这既是机遇也是挑战。老虎证券内容团队秉持“用户至上、创造增量价值”的理念,为解决投资者面对信息过载的问题,期望为用户提供更好的交易体验。利用大数据和人工智能技术构建数据资产,旨在实现数据驱动业务与运营。 传统机器学习技术和深度学习技术在计算广告、推荐排序、图像识别、机器翻译等领域的成功应用,一方面提供了大量模型实践经验,另一方面印证了模
对互联网广告来说,让不同的用户看到不同的广告是一件特别基本、也特别重要的事。比如,会吸引一位男性游戏爱好者的广告,内容很可能是电竞显示器、专业游戏键盘,而且他也很可能真的去购买广告中推荐的商品;可要是广告推荐的内容是香水、口红,他既不了解、也不感兴趣,这个广告推荐的机会就白白浪费了。
盛夏八月,骄阳似火,草木蓊郁,一切都彰显着野蛮而诗意的生命力。夏天是一个探索、成长、革新的季节。在这个属于实践者的时节里,51CTO带来了一场以“驱动、创新、数智”为主题的AI盛会。
本次分享将主要介绍今日头条推荐系统概览以及内容分析、用户标签、评估分析,内容安全等原理。
相比于其他电商场景,外卖场景对于实时发现和反馈用户兴趣的能力有着更高的要求。近年来,美团外卖算法团队摸索出了一套适用于外卖场景的智能陪伴型导购架构和策略。这一举措已经取得了显著成效,本文将详细介绍外卖搜索技术团队搭建智能陪伴型导购时,所遇到的挑战以及解决思路,希望能对大家有所帮助或启发。
Hadoop大数据技术影响到人类生活的各个层面,同时伴随着互联网技术快速发展和数据的高速增长对现代政府机构、企业、事业单位、其他组织以及个人都造成了重大的影响。
源 | AI研习社 编辑 | 昱良 内容较长 点击阅读原文即可下载 今日头条资深算法架构师曹欢欢: 本次分享将主要介绍今日头条推荐系统概览以及内容分析、用户标签、评估分析,内容安全等原理。 一、系统概
作者:仁基,元涵,仁重 本文选自:《尽在双11:阿里巴巴技术演进与超越》 近十年,人工智能在越来越多的领域走进和改变着我们的生活,而在互联网领域,人工智能则得到了更普遍和广泛的应用。作为淘宝平台的基石,搜索也一直在打造适合电商平台的人工智能体系,而每年双11大促都是验证智能化进程的试金石。伴随着一年又一年双11的考验,搜索智能化体系逐渐打造成型,已经成为平台稳定健康发展的核动力。 演进概述 阿里搜索技术体系目前基本形成了offline、nearline、online三层体系,分工协作,保证电商平台
今日头条召开了一场分享交流会。资深算法架构师、中国科学技术大学计算机博士曹欢欢,在今日头条总部带来了题为《让算法公开透明》的分享,消除社会各界对算法的一些误解,同时接受意见和建议。
ACM SIGKDD(国际数据挖掘与知识发现大会,简称 KDD)是国际数据挖掘领域的顶级会议,由 ACM 的数据挖掘及知识发现专委会(SIGKDD)主办,被中国计算机协会推荐为A类会议。自 1995 年以来已连续举办 26 届,今年将于 8月14日至18日 在新加坡举办。
无论是在传统机器学习领域还是现今炙手可热的深度学习领域,基于训练样本有明确标签或结果的监督学习仍然是一种主要的模型训练方式。尤其是深度学习领域,需要更多数据以提升模型效果。
机器之心专栏 作者:刘鹏飞 以数据为中心,实现各种不同操作接口的标准化,使得用户在数据处理上只需要有一个入口,这就是 DataLab 期待扮演的角色。 建立以数据为中心的人工智能已经成为一个正在到来的趋势。一年多前,吴恩达开始发起的一项主题为「数据是人工智能的食物」运动。数月前,谷歌 AI 负责人 Jeff Dean 将数据的分析和管理列为 2021 年后机器学习的一大趋势。不久前,AI 明星创业公司 Huggingface 宣布开始建立可交互的数据分析平台计划。 近日,CMU 联合 NUS、复旦、耶鲁等
随着美团外卖业务的发展,算法模型也在不断演进迭代中。本文从特征框架演进、特征生产、特征获取计算以及训练样本生成四个方面介绍了美团外卖特征平台在建设与实践中的思考和优化思路。
随着数据呈爆发式地增长,多数传统企业也开始走上了数字化转型的道路。与此同时,数据中蕴藏的商业价值也逐渐被人们挖掘出来。而大数据类的项目都有一个特点:都以数据为核心。数据将作为产生业务价值和实现业务目标的基石,因此,数据质量就成为影响这类项目的一个极其重要的因素。 本文选自《数据治理:工业企业数字化转型之道》一书,将在技术基础上,从数据质量管理的技术指标和业务指标两大部分对数据质量评估进行深入的分析。 一本数据从业者都需要的工作指南 ▼ 扫码了解详情 ▼ 数据质量评估 互联网、智能手机、可穿戴设备及智能
涉及关键字:一体化运维、平台化运维、数智化运维、AIOps、运维PaaS、运维工具系统、蓝鲸等。
如何科学地划分用户群体?如何在聚类中同时考虑用户特征和社会关系?如何利用好多个视角的数据获得一个更加全面的用户聚类结果?5月29日(本周五)晚上7点开始的Wiztalk线上直播中,北京邮电大学的石川教授介绍其发表于WWW2020上面的两篇论文,为以上问题给出先进的解决思路,欢迎各位聆听。 关于Wiztalk Wiztalk是腾讯高校合作中心组织的系列产学融合知识分享讲座,鼓励用更加科普式的知识传播方式,讲解近代及当代技术发展中的大事件,让读者能够系统性了解在过去、现在、未来中,科学研究如何为人类的社会
机器若要帮助人类摆脱繁杂的无价值事务,前提条件之一就是理解人类的意图。语言是人类最重要的信息传达方式,所以机器理解人类语言的能力就显得极为重要了。人机对话作为这个方向下的具体落地业务,必然将在人工智能发展周期中扮演极为重要的角色。
嘉宾 | 蒋宏飞 编辑 | 林晓婷 为了提升用户体验,作业帮将 NLP 技术应用到业务的提质增效上,沉淀出了智能质检平台 IQC、文本智能标注平台 FTP 等自研平台,也产出了很多在 NLP 中应用深度学习的可供参考的实践。 伴随着深度学习场景的增多,NLP 技术也得到了快速发展,作业帮作为 K12 教育平台,对用户体验提升有很高的诉求,所以他们将 NLP 应用在业务的提质增效上,沉淀出了智能质检平台 IQC、文本智能标注平台 FTP 等自研平台,也产出了很多在 NLP 中应用深度学习的可供参考的实践。 I
今天,算法分发已经是信息平台、搜索引擎、浏览器、社交软件等几乎所有软件的标配,但同时,算法也开始面临质疑、挑战和误解。今日头条的推荐算法,从2012年9月第一版开发运行至今,已经经过四次大的调整和修改
来源:今日头条 通过本文为大家从4个方面介绍今日头条推荐系统的算法原理。 3分钟了解今日头条推荐算法原理 今天,算法分发已经是信息平台、搜索引擎、浏览器、社交软件等几乎所有软件的标配,但同时,算法也开始面临质疑、挑战和误解。今日头条的推荐算法,从2012年9月第一版开发运行至今,已经经过四次大的调整和修改。 今日头条委托资深算法架构师曹欢欢博士,公开今日头条的算法原理,以期推动整个行业问诊算法、建言算法;通过让算法透明,来消除各界对算法的误解,并逐步推动整个行业让算法更好的造福社会。 以下为《今日头条算法
3分钟了解今日头条推荐算法原理 来源 | 今日头条 今天,算法分发已经是信息平台、搜索引擎、浏览器、社交软件等几乎所有软件的标配,但同时,算法也开始面临质疑、挑战和误解。今日头条的推荐算法,从2012年9月第一版开发运行至今,已经经过四次大的调整和修改。 今日头条委托资深算法架构师曹欢欢博士,公开今日头条的算法原理,以期推动整个行业问诊算法、建言算法;通过让算法透明,来消除各界对算法的误解,并逐步推动整个行业让算法更好的造福社会。 以下为《今日头条算法原理》全文。 今日头条资深算法架构师曹欢欢
👆点击“博文视点Broadview”,获取更多书讯 在企业数字化、智能化转型的研发、生产、供应、销售、服务等诸多场景中,如何融合数据与专家知识,协同驱动业绩增长是一个多方关注,且难以解决的难题。 比如: 如何干预用户认知?企业应如何对针对不同用户群体,制定合适的北极星指标,生成并选择最优的策略,在不同场景中对用户群体进行干预,引导用户的认知变化,带来活跃与付费的业绩增长? 如何融合多方知识?企业应如何将业务需求知识、场景事理知识、用户、商品等业务目标知识进行关联与聚合,并被用户洞察分析、标签生产、数据平台
源 | 今日头条 3分钟了解今日头条推荐算法原理 下载PDF版 请点击文末阅读原文 今天,算法分发已经是信息平台、搜索引擎、浏览器、社交软件等几乎所有软件的标配,但同时,算法也开始面临质疑、挑战和
▲3分钟了解今日头条推荐算法原理 今天,算法分发已经是信息平台、搜索引擎、浏览器、社交软件等几乎所有软件的标配,但同时,算法也开始面临质疑、挑战和误解。今日头条的推荐算法,从2012年9月第一版开发运行至今,已经经过四次大的调整和修改。 今日头条委托资深算法架构师曹欢欢博士,公开今日头条的算法原理,以期推动整个行业问诊算法、建言算法;通过让算法透明,来消除各界对算法的误解,并逐步推动整个行业让算法更好的造福社会。 以下为《今日头条算法原理》全文。 今日头条资深算法架构师曹欢欢: 本次分享将主要介
领取专属 10元无门槛券
手把手带您无忧上云