现在回想起来，有很多朋友都开始后悔她们当初做的决定，要是当年认真考虑一下就好了。而我却恰恰相反，我觉得自己做了一个无比英明的决定，折腾数据真是太有意思了。...为什么我会这样热爱这份工作，总结了一下，原因有三。 编程就像在玩解谜游戏 打小我就特别爱玩解谜游戏，上学的时候我又特别喜爱数学，这门学科富有逻辑性，特别适合我。现在做的工作也让我有相同的感觉。...你的朋友们经常夸你是个天才 前面我说过，身边的朋友们都没有技术背景，她们根本不明白我在捣鼓什么。相信我，我已经向她们解释过无数次了，可是到最后都被她们当成了耳边风，她们始终以为在电脑面前我无所不能。...这也是为什么如此热衷于我的工作，我要向他们显示在这个男性主导的科技领域，女性也可以做的很好。 跟我不一样，有很多女性非常惧怕这个领域。...尽管如此我发现我还是可以轻松跟上老师的节奏的。干这一行需要的是理性思维和一种捣鼓新东西的强烈欲望(好奇心)。我希望有更多的女性都来试试这个领域，没准编程也会成为你们的真爱，像我一样。
说到linux内核非常的关键代码就是内存管理，这块也是linux内核非常关键的代码，每次和同事一起讲到内存管理他就会两眼放光，曾经有一次公司组织让他给大家讲下linux内核的内存管理，结果一口气讲了3个小时中间没有任何的停歇...，讲的大家都快睡着了他还在激情澎湃在讲着，说到内存管理他能一口气讲3天3夜，说到linux代码的贡献者，大部分可能是对一些驱动细节或者测试用例的提交，这些本身的技术含量不是很大但是需要遵守里面的代码规范...说到每次研究linux内核的心得，最大的快乐在于看懂一行里面核心代码的设计意图，能够看懂linux核心代码的为什么要这么实现就已经代表水平非常不错的人了，倒不是linux内核代码有多深奥，关键需要对于内核的工作原理以及常见的知识有足量的储备...由于操作系统功能太过复杂所以真要想要玩转linux内核建议看一本《linux内核完全剖析基于0.12内核》的书籍，专门抽取了早期的linux内核的版本在逐行讲解的一本书，里面详细的介绍了linux内核主要功能是如何实现的，以及为什么要这么去实现...，但是由于历史太过久远不要企图和现在的linux内核做对比，中间优化迭代的版本太多了多的会让你怀疑人生，所以不要企图去了解其中的来龙去脉，还是先从基本的原理入手去解决，对于linux内核需要掌握的知识先从基本的编程语言和常见的操作系统运行的原理开始着手准备
如何精确评估开发时间 最近几年，我都是以小时为单位进行时间评估的，有没有觉得有点恐怖？长期以来这样的习惯让我收获颇多。...这得感谢我之前的领导，三年前强迫我们这样做，刚开始很抵触，后来才体会到其中的甜头。 1、任务拆分 拿到新需求后，对其进行充分了解，不清楚的就去问清楚，然后对其进行模块化。之后，再进行技术上的拆分。...这个能力是需要锻炼的，做好拆分，然后在实际开发过程中根据实际时间花销，回顾时间评估的准确性，以便让下次更准确。慢慢地，就会越来越精确，评估时间有依有据，不再是拍脑门给出的时间。下面看一个例子： ?...虽然等待过程中你可以安排其他任务，但你不能保证其他任务就能刚好填充等待时间，更何况任务切换也需要时间成本。 突发状况。例如，bug修改、需求微调、对接人请假。 不确定时间。...那么面对风险，有一些原则可以帮助你： 报风险时间置前，如果开发开始或者任何过程有可能导致项目延期或者需求无法实现的时候就报警，不要等加班能实现或者存在侥幸心理； 对于不确定的需求，一定要沟通到位； 涉及到交互细节
如何精确评估开发时间 最近几年，我都是以小时为单位进行时间评估的，有没有觉得有点恐怖？长期以来这样的习惯让我收获颇多。...这得感谢我之前的领导，三年前强迫我们这样做，刚开始很抵触，后来才体会到其中的甜头。 1. 任务拆分 拿到新需求后，对其进行充分了解，不清楚的就去问清楚，然后对其进行模块化。之后，再进行技术上的拆分。...这个能力是需要锻炼的，做好拆分，然后在实际开发过程中根据实际时间花销，回顾时间评估的准确性，以便让下次更准确。慢慢地，就会越来越精确，这亲，时间的评估有依有据，不再是拍脑门给出的时间。...虽然等待过程中你可以安排其他任务，但你不能保证其他任务就能刚好填充等待时间，更何况任务切换也需要时间成本。 突发状况。例如，bug修改、需求微调、对接人请假。 不确定时间。...那么面对风险，有一些原则可以帮助你： 报风险时间置前，如果开发开始或者任何过程有可能导致项目延期或者需求无法实现的时候就报警，不要等加班能实现或者存在侥幸心理； 对于不确定的需求，一定要沟通到位； 涉及到交互细节
也就是说，哪一类标签拿到的投票数是最多的，我们就认为这个图像属于这一类。 我们在做一个问题的时候，总应该想一想，我们的做法合理吗？ 还有改进的空间吗？ 在我我们的这个问题上， 投票意味着什么呢？...所以，为了推断出正确的数据标签，我们需要把把以上讨论的关于人的水平与问题难度的直观想法转化成一个数学模型。 接下来讲我们的方案。在这之前，让我先引进一些数学符号。...类似的，我们对需要标记的每一个对象也有这样的计数。当我们知道真实的类别的话，我们会知道有多少人标错了。标错的人越多，这个问题就越难。我们方程的右侧统计一下到底有多少人标错了，左边则是是它的期望值。...我举一个例子解释一下真实性准则。比如说我们让人去标记一下这个狗是什么种类。假设我们设定了一个信心值是50% （注意到随机猜的正确率是1/3, 小于50%）。...让我用例子解释实际上如何使用这个付钱机制。在众包之前需要很清楚地告诉雇员钱是怎么付的。
具体来说，我将讨论如何通过众包获取高质量的数据标签。为开发一个机器学习的智能系统，我们第一步要做的事情就是获得高质量的带标签的数据。 为什么需要众包？...也就是说，哪一类标签拿到的投票数是最多的，我们就认为这个图像属于这一类。 我们在做一个问题的时候，总应该想一想，我们的做法合理吗？ 还有改进的空间吗？ 在我我们的这个问题上， 投票意味着什么呢？...所以，为了推断出正确的数据标签，我们需要把把以上讨论的关于人的水平与问题难度的直观想法转化成一个数学模型。 接下来讲我们的方案。在这之前，让我先引进一些数学符号。...我举一个例子解释一下真实性准则。比如说我们让人去标记一下这个狗是什么种类。假设我们设定了一个信心值是50% （注意到随机猜的正确率是1/3, 小于50%）。...让我用例子解释实际上如何使用这个付钱机制。在众包之前需要很清楚地告诉雇员钱是怎么付的。
首先是药物，一项在化疗期间监控患者情绪的研究，其目的是让患者在治疗期间保持一个更加放松的状态，因为接受治疗的患者在现实中正在度过一个很困难的阶段，研究希望让他们有一个愉快一点的状态，并用它来做心理干预来帮助用药...我在现实生活中制作视频游戏，我认为这非常酷，并且这个可以帮助护理生建立自己的管理和理解情绪的能力，因为他们看不到生活愉快的我们，他们通常要面对生病的人，并且需要理解人类的情绪才能为病人提供帮助。...研究意义 这项研究始于疫情爆发之前的2019年，为什么这项研究变得更加重要了呢，在疫情流行之前，这一研究的意义在于让距离远的人能有更亲近的接触，就像是更加自由的空间移动。...在疫情结束之后，我仍然相信这项工作对于远距离的移动和交流能够起到积极作用，这意味着更加自由的移动，可以无视距离和远方的爱人保持更加亲密的联系。同时，对于失去感觉的病人这项工作也会有所帮助。...A：当我开始这项工作的时候我正在上一门VR课程，是艺术系和计算机系合开的课程，一开始有很多计算机系的同学，最后只剩下了两个，这让我对我们正在做的事情有了更加清楚的认知，我们做的事情会受到其他人和事的影响
光线有一个变化的方向，所以当你在一个物体周围走动时，它总是看起来就像你的视线中的光线（就像你手持火炬一样），这种情况通常并非如此，大多数场景都有静态照明，因此当您四处移动时，您的模型看起来会不自然。...听起来不错，但据我所知它没有做任何事情，将其与其他属性设置为各种组合似乎没有做任何事情，不确定这是SDK的这个版本中的错误还是我做错了什么（更有可能），但这并不重要，因为我们可以通过另一种方式获得估计照明...这个过程与上面类似，我将从这里省略。当我们这样做时，我们现在可以插入一块几何体，让它感觉更像它实际上是场景的一部分。...youtube 从中可以看出，让灯光与现实世界相匹配是很棘手的，但我们有一个有用的钝工具，以照明估计的形式，可以帮助我们一些现实主义。...最后一个重要的部分是你必须告诉你的SCNScene你正在使用PBR照明，当你这样做时，场景的光源实际上来自你指定的图像，例如我使用这个图像： 示例环境地图，来自：https://medium.com/@
这种策略曾一度被不少产品使用，但是，大家需要明白，这种策略的主要目的不在于提高图像资源的加载显示体验，而是帮助用户省钱，因为以前非Wifi环境的流量还是很贵的。...以及，如果用户网速不佳，则在上传文件的时候，可以加上，当前网速不是很好，可能需要较长时间等等。 就是说，我们可以对用户做很多让体验更加友好的事情。 所以还是那个问题，如何知道用户的网络状况呢？...我们可以采用XMLHttpRequest这种形式去请求图像资源（图片本来就需要懒加载，顺便的事情），这样，有专门的progress事件，可以知道图像的加载进度，图像的总大小。...一方面是自身能力的不足，主要功能完成没bug就不错了，还搞这种搞技术含量的体验优化，玩不来；另外一方面是意愿不足，主要功能完成没bug就不错了，还搞这种很花时间的体验优化，放过我吧。...就算有能力，有意愿，也需要公司大力支持，给予足够的认可，并且不在意短期的看似没有回报的成本付出。 难！ 所以本文说了那么多，其实等于什么也没说。
初始化问题是一个2D-2D求运动和结构的问题，比3D-2D的PnP要难（信息更少，更不确定）。我不展开对极几何求运动的原理，但是理解它，对理解单目局限性是很有帮助的。...有经验的人会尽量带平移，没经验的都是原地打转…… 所以，从应用上来说，单目需要一个带平移的初始化过程，且存在尺度不确定问题，这是它理论上的障碍。...员工：老板你这样移动相机不行啊，要有平移的…… 老板：我花20k请你来做slam，一个初始化都搞不定？...所以…… 员工：老板你这样移动相机不行啊，要经常把它移回去…… 老板：我花20k请你来做slam，怎么搞的地图一会儿大一会儿小，这怎么用？ 2....王小新： 我目前做的项目是类似于Android手机端SLAM，具体目的是什么不便透露，作为过来人，分享下经验，避免后来人走弯路，手机端最难以解决的问题从难到易排序如下： 1.手机处理速度 2.手机卷帘相机
刚才看到的都是一些已经做到的深度学习成就，那么我们还需要看一下，距离达成「真正的 AI」我们还缺了什么。...这里我们遇到的问题也就是如何让人工智能学会对世界建模、从而用这个模型帮助自己规划现实世界中的行为。 ? 预测的时候还需要处理不确定性，在桌子上立一支笔，然后松手，它就会倒下来。...最后我做一下总结。...另一件事是，让模型具有推理的能力，但同时还和深度学习是兼容的。就是让深度学习方法可以做符号表示方法可以做的事情，把符号换成了向量，把逻辑变成了可微分的程序操作。...让神经网络在移动、低功耗设备上做推理也有很多研究，这已经成为了一个非常重要的问题，对于 Facebook 这样的公司来说，每天用户要上传 20 亿张照片，而且每张照片都需要被一系列卷积网络识别，分析不同的信息
事实上，我并没有把产品放在其中，是因为，产品是内部团队对外部市场需求的答案，投资人在首次投资并不要求给出完整而详细的答案，在目前这个阶段它只是让投资人： 对“不确定未来的”创始人更加有信心：产品的方案部分...公司结构和治理、收入结构、支出结构、财务预测等； 投资人：为什么我要投你？投资组合、优势、战略、互补等； 投资：你需要投资多少？投资形式、合作方式、Burn Rate等； 回报：我可预期的回报是什么？...一个好的逻辑顺序让你避开你最不擅长的领域，而把最吸引人的部分放在了前面所提到的“不确定未来的两个要素”：你（即创始人）和市场。这里我使用最多的逻辑是为以下： 趋势：市场发生了什么样的趋势？...你看，越简单的逻辑越不出现解决方案，只告诉你我们在帮助谁？帮助什么？我们做了什么？我们要什么？这是不是比那种“我有一个想法”式的表述更加打动人？...我做业务分析师的时候，有这么一句话，“讲都讲不明白的需求十有八九是没必要做的”，那么讲都讲不通顺的创业逻辑，意味什么？最后的最后，一千次创业者热血沸腾的说道，也比不过一条从头到尾的逻辑。
关于 AI 领域：AI 研究的下一个里程碑会是什么？目前为了达到这些里程碑的挑战是什么？ 关于该领域的专业技能发展：我需要具备哪些关键技能/知识才能获得成功？...Yann LeCun：过滤令人反感的内容、使用卫星图像构建地图、帮助内容设计师优化设计、使用紧凑的特征向量来表示内容（图像、视频、文本）以便索引和搜索、图像中文本的识别…… Peter Norvig：任何有数据的地方...我使用哪种语言与该系统交流？我可以询问它在做什么吗？我可以向它提建议吗？如果它犯了错，我只能提供数千个新的训练样本，还是可以说「不，你把 X 弄错了，因为你忽略了 Y」。...随着我们有更多经验、更多数据，这种情况会有所改进，且有希望做迁移学习，以便于不用从头开始做每个模型。相比于静态图像，视频可能有更大优势，这一点提的非常好。...你们为什么这么做，有什么理由？ Yann LeCun：相反，我们致力于让人类变得更好。人工智能是对人类智能的扩充。火、弓箭、农业的出现让人类衰败了吗？ ?
那么，是什么让训练算法没有选择下图中的红线作为决策边界呢？ ? 在这两种情况下，我们对训练集进行分类都得到了同样的准确率——两中决策边界都标错了一个例子。...缺乏数据会导致不确定性，因此我们得收集更多数据点，并将其添加到初始图表中，则可得到下图： ? 额外的数据能帮助我们大幅缩小选择范围，立即画出绿色和蓝色间的决策边界，因此决策边界会是如下所示： ?...尽管更多的数据几乎总是有帮助，但需要注意，数据越多可能得到的回报却在减少。当我们将第一个图的数据加倍时，准确度明显增加。但是基于该图表，如果将数据再加倍，则精度的提高不会有之前那么大。...你可能以为我已经吸取了教训，然而几年之后，当我成为一名高年级研究生时，我要让另一个系统启动并用于另一个基金项目。我再一次试图训练一个花哨的机器学习模型，但几乎没有做出什么成果。...几乎不会有什么模型会比一个基于规则的模型表现还要差。这给你的更高级的方法提供了一个比较，如果你的高级方法的表现更差，那意味着你有什么东西彻底做错了，并不是任务太过艰巨。
当我们让人们查看他们在Facebook、谷歌和Acxiom的广告偏好时，他们很难找到它们。太多的地方需要去看，如果没有我们的指导，大多数人甚至不确定他们寻找什么。一旦参与者查看设置，就会感到不愉快。...该算法所知道的，有时有点太过接近，让人感到不舒适，从而产生了一种诡异的谷值效应。与此同时，这并不完全正确。这也是令人不安的。虽然有少数人去掉了不匹配，但很多人不愿意这样做。...来自佛罗里达州的布列塔尼指出，“如果不知道这是怎么使用的，我不确定我能做出一个好的选择。”其他人只是不想让算法太了解他们。 这个算法产生了第二个我，或者完全是另一个人。...来自威斯康辛州的马修描述了一种常见的做法:“我整天在私人窗口之间来回移动。”也就是说，人们不确定这是否有很大的区别。回避是保护某些关键信息的隐私。...第一个冲动是寻求帮助或者只是抱怨。这就是关于算法如何运作的神话。 恶作剧 当一个算法让自己以一个侵入性的广告或笨拙的机器人的形式出现时 — 人们似乎无法帮助自己。他们进行恶作剧。
例如我在看电视的时候，网飞就给我推荐了比尔盖茨的连续剧，这非常符合我的兴趣，毕竟我关心比尔盖茨的话题，我关心高科技行业发生了什么。 但是让我不理解的是，为什么会有其他奇怪的推荐。...在以下6张照片中，只有左下角的一张被识别错了。 这个模型5/6的准确率非常高对吧？那么我应该高兴么？不确定，这取决于你想要什么。如果认为是一只哈士奇，却把狼带回家，那麻烦就大了。...让我们看看模型到底发生了什么，这个深度神经网络到底是通过观察图像中的哪些区域来分辨是狼还是哈士奇的？...但是你如果分别看男的错了多少、女的错了多少，那么这68个里，有63个都是女性被识别错了，男性被识别错的只有5个。看到了吧。 所以除了查看这些错误的例子之外，我们需要增强一些特征。...不过，这种做法也会带来一些别的问题，我们需要多考虑一下。 这就是一个简单的例子，帮助大家认识到这个问题。
这些新闻仿佛告诉我们，图像识别的问题已经解决了，然而很多高科技做图像识别公司都还在高薪聘用掌握机器学习的人才。图像识别问题解决了吗？我们看看现在图像识别还有些什么问题。...一、大量数据 现在做图像识别，要求有大量的数据。什么叫大量的数据？比如上图是在业界做图像识别的数据集，包含很多类别的图像，像飞机、鸟、猫、鹿、狗。...如果我们需要把视频中交通标志如果都要标出来，需要花很多钱。做机器学习的人会关心我们能不能通过一些其他更廉价的方法去做数据标注，例如能不能通过一些众包的方式去做。...所以我们做图像识别的产品有风险，产品设计要考虑风险，我们做这件事就要考虑用技术的时候，用对地方很重要，用错地方就会很大的风险。...中心致力于以核心技术研发为基础，为移动互联、移动支付和社会治理等领域提供二维码技术相关标准和应用解决方案。
这都是后见之明 ——「哦，我当时多么领先。」事实上，我们当时做的大多数决定最后都有不错的结果，原因不过是我们之前搞砸过，不想再犯同样的错了。 何时决定 All in AGI？...我不确定这些模型是会替代人们更多，还是帮助人们更多。 Dwarkesh Patel：Llama-10 诞生后，程序员的生产力能提升 10 倍吗？ Mark Zuckerberg：我希望会更多。...你也许会说这就是视频或图像，但很显然这是非常特别的视频或图像。 因此，模型不只是需要具备理解和记忆的能力，还有很多其它不同能力需要掌握。...上大学时，我学的是计算机科学和心理学。对我来说，这一直是这两件事的交叉点。 这也是一种非常深刻的内在驱动力。我不知道该如何解释，但我就是觉得，如果我不构建一些新的东西，我就做错了什么。...我认为移动生态系统最糟糕的一点是，苹果和谷歌这两家守门人（gatekeeper）会告诉你你可以开发什么。从经济角度来看，我们构建了一些东西，他们就拿走你的一大笔钱。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
