展开

关键词

直击海外电商市场 | 看京东人在印尼如何备战12.12

来这找志同道合的小伙伴!错过了11.11你还有12.12可以!在海外电商市场 12.12的促销力度丝毫不亚于国内的11.11强劲崛起的东南亚及其最大的电商市场印尼正是12.12大促的焦点? ▲备战12.12,京东印尼务方为JD.ID撰写歌曲?2016年初,京东在印尼正式落地了第一个海外本土站点;今年11.11,京东印尼站当天单量同比增长845%,连续三年保持超高速增长。 他们中,有人已多次出差印尼,也有人是第一次来到这。虽然在此前的作中,已经和海外务方“打成一片”,英文交流无障碍,但是来到印尼当地支持12.12大促,还是紧张又兴奋。? ▲备战室内认真作?▲监控平台产品数据,一刻也不松懈?▲当我们在国内穿着棉袄棉裤,冻得直打哆嗦的时候,在印尼备战的小伙伴们正穿着短袖文化衫办公?▲忙碌的作之余,大家也不忘加油打气? ▲印尼12.12加油趴▲来自印尼的问候卓越户体验的背后,是JDers为项目运行、系统稳定而贡献的一个个不眠之夜海外市场的不断拓展,是兄弟们勇于开拓、力争完美而创造的一次又一次佳绩12.12备战,你们辛苦了

53630

2018 AI界大盘点

Prophet AutoML 是一款让普通务人员也可以开发 AI 的平台,其产品设计核心是让机器自动地在不同行学习历史上的决策与反馈,并以此为基础制定和运行企务规则;Prophet AutoCV 9.20——阿巴巴资深架构师徐凌杰发布了AI Matrix——AI Benchmark 基准测试平台,可以帮助开发者解决四大关键问题:真实反AI使的现实情况,对包括GPU在内的AI加速器解决方案的引入评估和选制定一个标准 其首创的农智能系统攻克了机器智能嵌入农专家知识的难题。种植结果显示,该人智能系统提高了农产品的产量和自然资源利率,还大幅降低了传感器成本,体现了“AI+农”的潜力。字节跳动? 6.04——发布新版机器学习套件Core ML 2;新款GPU加速具Create ML,于在Mac上进行原生人智能的训练。该具支持视觉、自然语言以及自定义数据。 5 月 7 日,吴恩达的无人车创公司Drive.ai宣布将于7月在德克萨斯州弗斯科市(美国西部城市)提供自动驾驶汽车服务,人们可以通过软件免费叫车。概述热点场景全球人智能公司产结构?

51060
  • 广告
    关闭

    11.11智惠云集

    2核4G云服务器首年70元,还有多款热门云产品满足您的上云需求

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    |AI语音技术场景及库概览

    近年来AI技术发展速度迅猛,深入到生活中的方方面面,从手机APP到车载语音系统。 今天小PP和大家一起仔细了解,AI技术中的语音技术在各场景的,并奉上对~ 语音识别技术语音识别其实是一种感知智能,核心功能是将物理世界的信息转化成可供计算机处理的信息,为后续的认知智能提供基础 智能控制车辆等技术已经开始批量进入生产,百度、科大讯飞等公司都有对的合作车,进行智能车机落地。??除上述方向,语音识别技术落地场景多种多样。 语音技术也是深度学习算法程师从的重要方向之一,那么些框架能找到语音识别呢?目前主流深度学习框架都有各自的语音识别。 这次小伙伴们已经了解语音技术的,后续也将呈现NLP、目标检测、人脸识别和图像方向的相关内容,欢迎大家持续关注~

    65210

    肥皂与手纸:神奇的电商大数据分析

    11.11光棍节已经过去,12.12促销又要到来,回望双十一的疯狂与激情,些人在小米、些人在华为,些人在林志玲,些人在杜蕾斯,都将是有趣的话题。 《京东技术解密》这本书讲述了京东技术团队从30人到4000人的发展历程,详细介绍了京东在海量订单处理、庞大却高效的供链管理、大技术团队管理等方面干货,还把压箱底的京东技术研发部如何对电商大节、如何跨系统整合 肥皂是来洗手洗脸的,手纸是来那啥那啥的,它们往往出现在人们居家的卫生间,京东商品从过去聚焦在人们的办公作场景,开始覆盖到人们生活的方方面面,年轻人什么都喜欢在网上,他们是新新人类哇,属于互联网的一代人新新人类的崛起为京东做出了很大的贡献 如果是自力更生进行磨枪,购成人品数量该下降,难道是炮友密集吗? ,希望高级白领们看到这篇文章转发给你的同类,该调整自己的生活式了。

    539100

    AI引入时尚界,消费者会对程序员的审美账吗?

    据介绍,目前 Fashion AI 已经初步搭建出女装的认知,接下来将攻克男装、配件等其他时尚领域。进店后,可以充分体会“解放双手”四个字的含义。 店内的智能扣能够积淀每件衣服的信息,件衣服试穿率高却极少购些衣服是万能百搭产品,些衣服不易被消费者试穿,“试穿率”、“购率”将直接反映出来,这家“商品数据”给到 B 端商家,并于充分改进商品信息 本次 Fashion AI 大赛的两个赛题分别是:服饰关键点定位和服饰属性标签识别。据阿巴巴“图像和美”团队负责人雷音介绍,这两个问题是构建 AI 在服饰的两个基础问题。 也只有在将服装的标签变得更加精细化和专化的基础上,才能将这些数据投放给人智能,进而让人智能做到精准的预测和推荐。 数据集的标注基于阿“图像和美”团队通过与中国香港理大学 ITC 联合研发推出的机器认知时尚角度的知识架构,据雷音透露,未来 AI 在时尚领域实现更复杂高阶的,比如服饰搭配、辅助设计、商品导购等。

    17220

    郭律: 论机器学习平台与人智能的关系

    9.png同时AI人才和计算能力又是有层次的,AI从理论研究到能够程中需要经历4个层面,最贴近务的一层是,然后是算法,务问题提出后在算法层面调试获得不不能直接使,如何打造数据闭环 再往上一个层级就是AI者,AI者需要自动训练、自动数据分析、自动特征程,训练完成后自动布署为服务。最好还能够对微调,就是加一些数据,可以适新的场景。 而且这个训练完以后,它可以一键部署,这也解决了训练完以后怎样可以务场景,怎样做预测的问题。 ,有比较灵活的调度和调参方式;在管理方面,智能钛平台可以帮助户搭建数据闭环,数据闭环只有在自己搭建的算法训练出的上才能实现,直接购AI通常不支持数据闭环;协作方面,智能钛平台支持团队的分享 16.png这个图是自更新的框架图,自建AI很难,所以很多企愿意直接购AI,但当出现以下几种情况的时候,就必须自建

    77140

    【技术分享】郭律: 论机器学习平台与人智能的关系

    同时AI人才和计算能力又是有层次的,AI从理论研究到能够程中需要经历4个层面,最贴近务的一层是,然后是算法,务问题提出后在算法层面调试获得不不能直接使,如何打造数据闭环,需要在程层面或者产品层面去实现 再往上一个层级就是AI者,AI者需要自动训练、自动数据分析、自动特征程,训练完成后自动布署为服务。最好还能够对微调,就是加一些数据,可以适新的场景。 而且这个训练完以后,它可以一键部署,这也解决了训练完以后怎样可以务场景,怎样做预测的问题。 接下来我们仔细来看一下智能钛产品具体都有些功能。在TI-ONE面支持机器学习、深度学习和推理,机器学习面包含了数据加载、预处理、特征程、特征选择的具,后面还有一些具体的算法。 这个图是自更新的框架图,自建AI很难,所以很多企愿意直接购AI,但当出现以下几种情况的时候,就必须自建

    632141

    技术创新一定挣钱吗

    AI还有一个巨大的障碍就是数据问题,现在成功运的领域,比如人脸识别,因为已经具备了数据条件,公安部有多数公民的照片,但在领域,这个条件是不具备的,导致AI领域的成本太高,所以,才有下面文章提出的小数据 ,来解决数据的问题,当然如果小数据如果能够成功,会大大提升AI可能性,但这个小数据还是一个研究课题,是学术上还没有有效解决。? 9的可靠性,所以真正规还是遥遥无期的,连最先做自动驾驶的谷歌大佬都讲,自动驾驶遥遥无期。 即使准确率达到要求了,自动驾驶是个系统程,需要主机厂的配合,主动权在主机厂那。即使主机厂配合这关过了,高高的成本又谁来单呢。 特斯拉在中国建厂,该会降低生产成本,但原料成本还是降低不了的吧,本人认为电动汽车真正实现盈利还是需要些时间的,就看个企可以坚持到最后啦。?

    13520

    十二月——没有寒冬,只有开始

    本届TOP 100 Summit案例来自互联网公司、电商企、智能硬件企、互联网金融公司等各个领域的技术研发团队,案例议题设计产品创新、互联网转、团队敏捷提升、大数据、架构设计、自动化运维、质量管理等热点议题 【12.12 】2015·北京OSC源创会年度盛典本次源创会年度盛典,将直面一线开发者,关注开源,关注技术,关注创新,话题专注于软件技术本身的实现。 作为本次大会的赞助商,好雨云将在大会现场设立展位【8号】与广大的开源爱好者共同见证好雨云平台快速实现一键部署的魅力好雨云CEO刘凡将亲自在展台,为开发者们【答疑解惑】更有精彩互动问答,精美礼品等着您 【12.12-12.30 】2015·感恩极客开发者资源优惠反馈活动好雨云携手国内优秀的企级服务厂商连续三周为创公司提供福利。 帮助创者们度过寒冬,无论从基础的云服务,还是开发具平台,又或者是企软件,都将全面优惠回馈,优惠力度史上最低!

    22240

    面向NLP的AI产品方法论——如何通过数据分析迭代优化

    出门问问这一块做得比较细致,页面层级比较深,期望户能够给予更精准的反馈,到底自己的AI助手做的不够好。 户的每次务反馈都会在后台出现,不管种方式收集,都能够以埋点的方式暴露出问题,暴露的人越多,这一块的问题就越值得重视。自然这种问题类,也会长期积累,跑出一个问题分布图。 一些关键词搜索,必然是户表述的一些话,很容易就推理出,户必然受挫,只不过情绪程度不一样。 另外一种就是使算法,一般是于舆情监控的,可以抓出来户的积极消极情绪和言论。 有很多大厂都开放这类务,不避嫌的话埋入自己的面就好,当然你也可以自己训练。找到这些东西之后,然后分析这些话术出现在些技能面,分布在个环节上,问题就自然暴露出来了。 找出正常的户后,进行分析统计,比如4个槽位,仅仅填充了2个,户努力对话几轮后,放弃掉了,卡住了,半途放弃了,这种就非常值得研究。很容易形成一个数据漏斗,看看问题主要集中出现在

    18110

    关于AI的7个误解 | 人智能核心概念对比

    今天,企已经能AI改变需要人类智能的自动作流程。AI能让人力密集处理的作量增加100倍,同时把单位经济效益降低90%。回答第二个问题需要多一点时间。 如果我们希望企AI,那么我们就需要让企家们理解AIAI并不是魔术。AI是数据、数学、以及迭代。 从古希腊的agora市集和古罗马的个人卖广场就是如此。今天也是如此,怕生意卖爆发性地转移到了互联网上。许多企坐拥来自客户的非结构化数据宝藏,这些数据来自电子邮件线程或Twitter评论。 汽车和汽油的类比虽然不够恰当,因为如果你给机器学习补给越多的训练数据,就能变得越好。这就像汽车每完一箱汽油,积累的程数越大。所以训练数据甚至比汽油更重要。 你需要人去推翻机器学习低置信度的预测。 ?所以,如果你是想把AI于你的务的企高管,那么你想在该有一个框架了。

    71470

    2018年,AI会在金融行些方向上发力?

    但在真实世界,人智能根本不是这个样子的。可以这么理解,AI是通过算法来学习户的习惯偏好。的越多,AI户就越了解。 到2018年,随着AI技术成本逐步降低,AI技术会在很多产发挥更大的作,包括全球的银行、信机构。AI将会AI搜集到大量的不同类的数据时,它能够透过数据做出预测性的决策。 防欺诈团队都会经过专的训练,去发现这些更细微的可疑交易。引入AI技术后,就等于给这个团队一个具,数据的处理会更快更高效,准确率也会大幅提升。客服AI未来可以做一线的客服。 这种类的支持,对于户来说,也可以缩短他们等待电话人客服的时间。随着AI系统慢慢学会把咨询问题中的细微差别归类,它的客服支持能力就越来越强,能回答的问题面更广,回答的精确度也越高。 即使是小的金融机构,也该研究一下AI技术可以给自己务带来些改进。最后,附上原文链接:http:t.cnRHt4cEW— 完 —

    46870

    如何评测语音技能的智能程度(1)——意图理解

    平日研究各种各样的语音助手,输出各种类的调研分析报告,以培养自己的务敏锐度,同时也研究各种框架知识以丰富自己的知识库。 注意此时至少存在两处糊歧义表述, 一是户并没有指定交通具。二是明天下午4点,指的是4点出发,还是4点到那。例子:(假设现在是周一)帮我定下周三去上海的机票。 户第一句话:我想火车票?AI回复,好的,你想从户第二句话:从北京到上海。AI回复,您想什么时候出发?户第三句话:明天下午出发。AI回复,为你找到如下车次,请问你想要第几个。 生活中,我们这边一个70岁以上的老人,可以在窗口完成火车票购,(抛开口音的问题)但是无法通过AI助手完成火车票的购。为什么呢?很多比较笨的AI,跟图形界面一样,要求户适它的逻辑去完成填充。 此时AI需要展示几个场次可以选择,然后追问要几张票如果填充了ABC,该追问D的例子:我想看《魔童咤》,附近找个最近的电影院,8点钟左右开场的。此时AI只需要追问要几张票即可。

    25931

    LiteFlow组件式流程引擎框架

    * * System.out.println(11.11); }}下面省略12.12 主流程 @Component public class TestFlow { @Resource private 使Liteflow,你需要去把复杂的务逻辑按代码片段拆分成一个个小组件,并定义一个规则流程配置。这样,所有的组件,就能按照你的规则配置去进行复杂的流转。 能自由扩展配置持久化源,提供扩展接口 支持springboot的自动装配,也支持spring的配置和非spring的项目 提供串行和并行2种式,提供常见常见的表达式语句 提供无级嵌套子流程式 数据槽高并发隔离机制 自带简单的监控,能够知道每个组件的运行耗时排行 架构设计 image.png Liteflow适些场景 Liteflow适于拥有复杂逻辑的务,比如说价格引擎,下单流程,规则校验等,这些务往往都拥有很多步骤 ,这些步骤完全可以按照务粒度拆分成一个个独立的组件,进行装配复变更。

    5600

    如何利大数据进行预测性营销,看完这8个深度解答你就懂了

    常常是Data mining的一些数学,像响率分析,客户倾向性,这类分群使Lift图,打分的方法告诉你一类客户有较高的接触和转化的价值。 5、预测性营销的选择方案有些呢?这的开发些技术和具? 这我也总结一些常的技术具 :?但无论条路,都要确定三项基本能力。 6、营销领域有些预测?预测客户购可能性的行标准是RFM(最近一次消费R,消费频率F,消费金额M),但有限,本质是一个试探性方案,没有统计和预测依据。 从技术角度看,推荐了协同过滤,贝叶斯网络等算法。强化学习是被Google Brain团队的负责人Jeff Dean认为是最有前途的AI研究方向之一。

    5.6K50

    李开复:人智能威胁论目前就当小说看看吧

    excel的公式是人写的,深度学习面的公式是自我学习的,当你看了很多棋谱,你就学会了怎么下会赢怎么下会输。你给他看了很多股票,他就会预测些会跌些会涨。 其实人智能并不是那么的遥远,已经在你的手机面,BAT都的非常好,在淘宝上东西的推荐,现在淘宝比你还知道你想什么,美团比你更知道你想吃什么,以后的婚恋网站会比你知道你该嫁给谁,这都是必然的作, 当AI进入医疗领域,帮忙解决癌症的识别、癌症也是图像、核磁共振的图像,是CT扫描的图像,还有医学看片、诊断、精准医疗、基因排序,这些都是很好的AI,当然还有无人驾驶等方面。   这是逼迫人类从事最简单的作到复杂的作。未来的领袖、综合、专、创意都是作机会。  世界上最伟大的三个科技朝代分别是什么? AI往下怎么走,接下来进入科幻世界,第一个阶段把已有的数据起来创造价值赚钱省钱;第二个阶段新数据就会进来,数据经过智能家电、智能硬件、4.0,更多厂的4.0数据,数据来源于家echo、智能音箱

    384120

    为什么说2018年是AI金融行的一年?

    AI是通过算法来学习户的习惯偏好。的越多,AI户就越了解。 到2018年,随着AI技术成本逐步降低,AI技术会在很多产发挥更大的作,包括全球的银行、信机构。AI将会AI搜集到大量的不同类的数据时,它能够透过数据做出预测性的决策。 防欺诈团队都会经过专的训练,去发现这些更细微的可疑交易。引入AI技术后,就等于给这个团队一个具,数据的处理会更快更高效,准确率也会大幅提升。客服AI未来可以做一线的客服。 这种类的支持,对于户来说,也可以缩短他们等待电话人客服的时间。随着AI系统慢慢学会把咨询问题中的细微差别归类,它的客服支持能力就越来越强,能回答的问题面更广,回答的精确度也越高。 即使是小的金融机构,也该研究一下AI技术可以给自己务带来些改进。

    33700

    传统企该如何拥抱AI?德勤说野心别太大,分四步实施

    那么,AI浪潮之下,企究竟该怎么对?这篇文章梳理了AI在企中的各类,然后为想要在接下来几年拥抱AI的公司,提出了一个在企中部署AI的四步走框架。 4步,让企AI知道了AI主要有三类途,可是企想拥抱AI该从何入手?在同一篇文章中,他们提出了一个整合人智能技术的4步框架,以便帮助企实现自己的目标。 无论是胸怀远大的项目,还是仅仅为了改进商流程,都可以使这种框架。1. 理解技术在开始一个人智能项目之前,企必须了解些技术执行些类的任务,以及每个任务的优势和限制。 △ 企AI面临的挑战具体来说,企需要利关键员的能力,比如数据科学家,他们拥有掌握这些技术所需的统计数据和大数据技能。一个主要的成功因素是你的员的学习意愿。 为了解决这一问题,企正在使机器学习来支持一些任务,比如对个性化数字广告进行程序化购,或者像思科和IBM那样,创建数以万计的“倾向”,以确定些客户可能购些产品。

    50240

    想成为排名第一的AI公司?建立一支“数据军团”,雇佣这些人吧

    数据程师经常使Apache Beam等具优化数据流,Apache Beam是一种开源编程于创建数据处理管道,包括ETL、批处理和流处理。 数据可视化具帮助您从周期价值的角度考虑客户,数据科学家则帮助您了解客户购给定产品的可能性有多大,以及客户购过程中的条数字路径对您最有利。些路是死胡同?最有可能的下一步操作是什么? 最有价值?数据科学家生活在一个数学观的世界,他们使R、Python和MATLAB等具。他们的作依赖于清晰的信息(主要是由分析师和程师完成的作)。 机器学习程师采分类和分组、以及来自数据科学家的分析结果和预测,创建,实现更加可靠、自动化的方式预测户数字路径中的下一步。他们的作可以被务中的其他人使,将预测能力赋能到更多的地方。 机器学习程师不仅精通Python、C++和JavaScript等编程语言,还了解TensorFlow和PyTorch等AI具,并经常开发自己的预估引擎和复杂的AI

    21310

    什么是人智能即服务 (AIaaS)?

    但 AIaaS 相对较新,它的出现是由于人智能在 IT 行的日益普及。 国际数据公司预测,到 2021 年底,75%的商程序将使智能。 些供商提供人智能即服务? 让我们看看提供人智能即服务的供商。 1. 云 AutoML 还允许机器学习专知识较少的开发人员快速训练自定义 ML 具体到他们公司的需求。 这意味着公司不需要为日益复杂的人智能规范提供资金,但他们可以购他们想要的东西并为此付费,虽然人智能在使时需要大量电力,但购 AIaaS 的公司只需要在短时间内获得这种电力,并相地支付费。 换句话说,AIaaS就像一个黑匣子,企可以提供输入,知道输出,但无法理解输出是如何获得的,使AI算法来获得输出等等。企也无法知道他们的数据是如何产生的。于获取输出以及它是否足够安全。

    12830

    相关产品

    • 智能钛工业 AI 平台

      智能钛工业 AI 平台

      智能钛工业 AI 平台(TI-Insight)是基于智能钛基础功能打造的一站式工业 AI 平台方案,包含 AI 训练系统和 AI 推理系统两个功能组件。本平台提供了包含数据工厂、内置通用/行业算法库、模型迭代训练引擎、基于题库测试的模型评估引擎、多版本模型对比分析、模型微服务管理和部署、硬件资源优化调度与管理等全栈 AI 能力。

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券