关于 百度灰色词代发_q扣66017112番禺东涌镇海外新闻小米AI花 的搜索结果,共1138
j****2 2018-07-10
大脑开放日来袭 24种全AI能力呈现
人工智能连续3年进入政府报告、“智能+”成为时命题,这些信息都显示2019年会是AI产业全面加速落地的一年。AI行业的展,离不开千万开者的助力。 3月20日,首场大脑开放日全登场,介绍了全开放的24种全AI能力,AI赋能市政、物流、教育等行业的20个案例,也为向开者、行业人士展现了如何搭上AI开放生态的高速列车。 大脑开放日来袭 作为在人工智能领域多年研究成果的集大成者,大脑正在飞速进步着。自2016年启动开放以来,大脑目前已经是服务规模最大的AI开放平台,开放了158项AI能力,24时快速集成,开者数量超过100万,面向广泛的企业和开者提供最先进、最全面的AI能力,不断降低AI应用落地的门槛。 AI技术生态部总经理喻友平谈到,“在大脑的开放生态中,开者一直是最为重要的一环。大脑开放能力不断加速,有很多有价值的技术难以被开者了解。2019年大脑开放日全登场,希望为AI者提供及时、全面、近距离地了解大脑最AI产品和案例,且能深、持续交流的平台。”
1****9 2018-07-11
【强势出击】第二期大脑体验师来袭
4月25日,大脑开放日第二期正式开启 与第一期有所不同,第二期大脑开放日,介绍了多种通用 AI 能力;除此之,还推出了两个的定制训练平台-帮助开者更简单高效地训练出满足细分场景的业务模型。 无论你是资深AI者,还是AI初体验者,加入“大脑品体验师计划” 分享改进建议、使用技巧/攻略或者有价值有意思的案例,与我们一起推动大脑进化,帮助他人一起成长,探索AI前沿应用。 我们将评选出“最佳”的内容和开者,布获奖公告、颁大脑定制礼品、现金礼品卡等多重奖励! 【征集内容及要求】 产品改进建议或者您对大脑AI需求:描述清晰、字数不限 使用技巧 攻略:接入流程清晰具体、可读性可参考性强,不少于500字 有价值有意思的案例:场景、应用价值明确、图文结合,不少于500字 【参与方式】 在AI社区“经验交流”版块帖:http://ai.baidu.com/forum/topic/add?
x****7 2018-07-10
行进阶专业 传统企业AI转型差的可能只是一个EasyDL
拿1000张图片使用EasyDL训练一个图像识别模型最快只需要8分钟;拿1000条音频来训练声音分类模型,只需15分钟;使用5000条数据训练文本分类模型,也只需8分钟。 由于EasyDL低门槛、高精、更轻快的特点,成为企业快速享受AI红利的首选。 用案例说话:零门槛落地 自2018年4月正式布以来,EasyDL用户量级迅速攀升。 截至2018年12月,EasyDL用户数达到10万,覆盖22个行业,已快速在零售、安防、互联网内容审核、工业质检、医疗、物流等应用落地,广泛渗透到各种职业场景和细分生活场景当中。 在EasyDL开者中,有南方电网这类巨头,也有一些中型企业,他们都能训练最贴合自身业务的深学习模型。 中国南方电网公司广电网公司直属的佛山供电局管辖范围内,输电线路约4500公里,16000余基杆塔单元,线路附近易力破坏的施工点有300余处。
****ac 2018-07-12
亿元免费算力 | 大脑AI Studio重磅推出算力支持计划
“提供总计1亿元免费算力,助力开者成功”——大脑AI Studio 大数据、大模型、大算力是深学习展的必备因素,算力的重要性不言而喻。4月23日,首届 WAVE SUMMIT 2019深学习开者峰会,一站式开平台 AI Studio 重磅推出算力支持计划:豪掷1亿元免费算力,为普通开者破除算力桎梏。 大脑AI Studio 大脑AI Studio是集合AI教程、码环境、算法算力、数据集和比赛的一站式学习、开、交流平台。该平台旨在帮助开者迅速掌握AI知识,并熟悉模型创建,训练及部署的全过程。 大脑AI Studio中,项目有两个模式::一人一卡(单机)和远程集群模式。 其中一人一卡模式的配置此前以CPU为主。为了解决该模式下性能不足的问题,大脑AI Studio准备了大量的Tesla V100训练卡和相关资源,总价值1亿人民币。 Tesla V100训练卡是当前性能最好的工业级训练卡之一。根据英伟达的说明, 该GPU的性能是单核CPU的47倍。此举将普惠大脑AI Studio用户,破除用户的算力困境。
1****2 2018-07-09
安全:AI 是系统工程 需要真正开放的安全护航
AI安全寄希望于行业联合和技术创,让安全的天秤向防御的一方倾斜 一点,再倾斜一点。
w****t 2018-07-10
AIOps中的四大金刚
AI方法的引入,使得机器能够替人来做出决策,从而让真正意义上的实现完全自动化成为了可能。 在AIOps的落地实施过程中,最关键的因素还是人,即AIOps的建设者们。 AIOps作为一个全的技术展和应用方向,并不是简单地说具备某一种技能或招募一两个大牛就可以完成的,它需要不同角、多个团队的配合才可以达成。根据近几年来整个业界对AIOps的理解和实践,AIOps参与角的划分也越来越清晰。在4年的AIOps实践中,我们总结得出了如下四种不可或缺的角: 运维工程师 运维研工程师 平台研工程师 运维AI工程师 可以看到,除了运维AI工程师,其他角并不是AIOps产生之后才出现的,他们在传统运维中也挥了重要作用。我们今天主要想和大家探讨一下,在AIOps时,他们的职责究竟生了哪些变化。为了方便大家理解,我们会基于AIOps的实践案例,来进行具体说明。 单机房故障自愈场景 单机房故障自愈是一个典型的AIOps落地项目。该方案主要解决的问题场景如下:某个业务由于网络、设备、变更、程序Bug、容量等原因造成故障,但故障范围仅局限在单个机房或单个Region内部。
1****6 2018-07-10
反向图灵测试——如何识别这是不是AI
假设我想让一个娱乐APP有科技范,我根本不用招开也不用雇人后台分拣,我只要弹窗提示让用户必须笑一笑歪歪嘴,然后随机回复用户长得像范冰冰还是范伟--琪,用户就认为APP很智能了。前几天那个巨硬的陪聊AI在微博上求骂蹭热,我不信那条微博是AI的。 用AI做coding是有可能性的,编程本来就是人类语言转换为机器语言的翻译,但时日尚早,云计算+SDK+IDE从更简单更高效的层面做编程简化了。但现在说在用AI做AIOPS的,实际是只展示不决策,无知者无畏的也没有试验环境。 现在成熟的AI应用就是少数几类场景,比如:语音识别、图片识别、无人驾驶、行为预估(如金融风控)。但我们怎么证明这些AI应用是机器学习还是深学习哪,毕竟用深学习做融资/吹牛逼更高大上啊。 深学习的惊艳之处在于解决了很多问题,但它对数据量的需求像打着吊瓶跑马拉松,有几个场景提前储备了那么多数据?这两天的热门是 AlphaGo Zero 自学棋谱解决了数据问题,但用单纯的围棋来推理复杂的世界,这个类比糟糕透了。 AI技术配得上世人给它的盛名和期待,但AI技术不是用来嚼舌根编的。
l****m 2018-07-10
向量(一)
文章结构: 向量 背景介绍 效果展示 模型概览 数据准备 编程实现 模型应用 总结 参考文献 本教程源码目录在book/word2vec,初次使用请您参考Book文档使用说明。 背景介绍 本章我们介绍的向量表征,也称为word embedding。向量是自然语言处理中常见的一个操作,是搜索引擎、广告系统、推荐系统等互联网服务背后常见的基础技术。 在这些互联网服务里,我们经常要比较两个或者两段文本之间的相关性。为了做这样的比较,我们往往先要把表示成计算机适合处理的方式。最自然的方式恐怕莫过于向量空间模型(vector space model)。 在这种方式里,每个被表示成一个实数向量(one-hot vector),其长为字典大,每个维对应一个字典里的每个,除了这个对应维上的值是1,其他元素都是0。 One-hot vector虽然自然,但是用处有限。比如,在互联网广告系统里,如果用户输入的query是“母亲节”,而有一个广告的关键是“康乃馨”。
TOP