首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

今天不矫情,明天成贱人

笔者想写隐私源于Facebook发布GraphSearch,现在跟各位分享这段时间的想法。今天虎嗅的一篇文章《贱人就是矫情——当打假成为一门生意》引发了激烈的讨论。...碰巧正在业余时间做一个网站。今晚碰巧做好了自动登录。正是利用的sessionid存到Cookie的方式。...1、无处不在的第三只眼 你处于一张强大的监控网络下,你的一举一动,时间维度的空间维度的,都已存档备案。就差一个地方:厕所,没有第三只眼。你可以不做“贱人”,不在意这个。...Google街景车到处跑一度还很遥远,明天你就可能已经遇到街景车了——腾讯做街景了。 当然,说任何事情都离不开微信。微信正在改变我们的通信方式。也在改变我们通信数据的存储方式。...今天不矫情,明天成贱人。

81280

蚂蚁金服的明天

文/孟永辉 对于蚂蚁金服的明天的探讨,是非常具有现实意义的。蚂蚁金服在金融科技领域的地位自不必说,这就造就了当我们在谈论蚂蚁金服的明天时,同样是在谈论金融科技的明天。...除此之外,金融科技领域本身正在发生着的新变化,同样可以为我们思考蚂蚁金服的明天提供良好的现实范本。...透过它,我们基本上可以摸清未来蚂蚁金服的明天究竟朝着哪几个方向发展,进而我们可以看到更多的金融科技玩家们的未来。 那么,蚂蚁金服的明天,究竟在什么地方呢?...对于蚂蚁金服来讲,他的明天,必然会有一种孪生出现。...从这个角度来看,如果我们思考蚂蚁金服的明天的话,实现合规,同样是一种必然。 结语 当金融科技的洗牌进入到深水区,通过思考蚂蚁金服的明天来思考金融科技的未来新进化,其实是非常有借鉴意义的。

39220

进化:元宇宙明天的主题

对于元宇宙的明天在哪?对于元宇宙的未来之路究竟要如何走?不同的人,总是会给出不同的答案。...无论是哪一种答案,元宇宙的明天,总是将会给我们的生产和生活带来巨大的改变;元宇宙的明天,总是会释放出更多的红利和潜能,从而让我们重拾过往的荣耀,在穿越周期的同时,打开新的发展突破口。...扎克伯格曾经就明确说过,元宇宙上的布局,至少要经历3-4年的时间,才会看出一些端倪,而若要让元宇宙真正成熟,真正形成一套完整的商业模式,则是需要更长的时间才行。...站在这个角度来窥视元宇宙的明天,我们将会看到一场以自我完善,自我丰富为主导的场景持续不断地上演。...这将会持续一段很长的时间,当经历了这样一个周期之后,元宇宙的发展,才能真正告别原始,告别稚嫩,真正进入到瓜熟蒂落的全新发展阶段。 —完—

25230

深度学习的昨天、今天和明天

来回顾机器学习在过去20多年的发展,介绍深度学习的昨天、今天和明天。 ---- 机器学习的两次浪潮:从浅层学习到深度学习 在解释深度学习之前,我们需要了解什么是机器学习。...在很长时间里,CNN虽然在小规模的问题上,比如说手写数字,取得当时世界最好结果,但一直没有取得巨大成功。...从百度的经验来看,深度学习应用于图像识别不但大大提升了准确性,而且避免了人工特征抽取的时间消耗,从而大大提高了在线计算效率。...从2006年图像深度学习成为学术界热门课题到2012年10月Hinton在ImageNet上的重大突破,经历了6年时间。我们需要有足够耐心。...即使是采用GPU进行传统的DNN模型进行训练,其训练时间也是非常漫长 的。一般训练几千小时的声学模型所需要几个月的时间

80940

深度学习的昨天、今天和明天

来回顾机器学习在过去20多年的发展,介绍深度学习的昨天、今天和明天。 ---- 机器学习的两次浪潮:从浅层学习到深度学习 在解释深度学习之前,我们需要了解什么是机器学习。...在很长时间里,CNN虽然在小规模的问题上,比如说手写数字,取得当时世界最好结果,但一直没有取得巨大成功。...从百度的经验来看,深度学习应用于图像识别不但大大提升了准确性,而且避免了人工特征抽取的时间消耗,从而大大提高了在线计算效率。...从2006年图像深度学习成为学术界热门课题到2012年10月Hinton在ImageNet上的重大突破,经历了6年时间。我们需要有足够耐心。...即使是采用GPU进行传统的DNN模型进行训练,其训练时间也是非常漫长 的。一般训练几千小时的声学模型所需要几个月的时间

66930

深度学习的昨天、今天和明天

来回顾机器学习在过去20多年的发展,介绍深度学习的昨天、今天和明天。 ---- 机器学习的两次浪潮:从浅层学习到深度学习 在解释深度学习之前,我们需要了解什么是机器学习。...在很长时间里,CNN虽然在小规模的问题上,比如说手写数字,取得当时世界最好结果,但一直没有取得巨大成功。...从百度的经验来看,深度学习应用于图像识别不但大大提升了准确性,而且避免了人工特征抽取的时间消耗,从而大大提高了在线计算效率。...从2006年图像深度学习成为学术界热门课题到2012年10月Hinton在ImageNet上的重大突破,经历了6年时间。我们需要有足够耐心。...即使是采用GPU进行传统的DNN模型进行训练,其训练时间也是非常漫长 的。一般训练几千小时的声学模型所需要几个月的时间

93070

扫码

添加站长 进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

    运营活动

    活动名称
    广告关闭
    领券