关于 精准推广引流的方法〖_q扣89651584〗 新余市小米AI连 的搜索结果,共1776
j****2 2018-07-10
百度大脑开放日来袭 24种全AI能力呈现
在现场,喻友平介绍到,目前已有4款品正式上架AI场。 在AI能力广度、速度、度不断提升基础下,百度大脑充分利用自己在AI领域内成功经验不断雕琢着自身核心技术,开始在产业界呈现“乘效应”展现出产业智能化“头雁”速度。 AI落地效应 AI技术发展,最终还是要落实到我们生活中。在我们触手可及各个角落中都有百度大脑加持智能产品。首期开放日着重介绍了近期开发者询问较多政、物、教育三个领域落地案例。
x****7 2018-07-10
从外行进阶专业 传统企业AI转型差可能只是一个百度EasyDL
由于百度EasyDL低门槛、高度、更轻快特点,成为企业快速享受AI红利首选。 用案例说话:零门槛落地 自2018年4月正式发布以来,百度EasyDL用户量级迅速攀升。 截至2018年12月,百度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。 在百度EasyDL开发者中,有南电网这类巨头,也有一些中型企业,他们都能训练最贴合自身业务深度学习模型。 中国南电网公司广东电网公司直属佛山供电局管辖范围内,输电线路约4500公里,16000基杆塔单元,线路附近易发生外力破坏施工点有300处。佛山供电局输电管理所将存在桩机、吊车、挖掘机、运货运水泥大型车现场1000张隐患图像,使用百度EasyDL定制化图像识别进行训练,经过3个月训练,更了10个版本,最终获得“输电线路外部隐患识别”模型,该模型可以识别出输电线路中存在吊车、挖掘机等外部隐患,目前识别确率达到80%,超出预期,并且以2-3周更一次模型频率持续训练,确率在不断提升。
雾****士 2018-07-09
如何添加控制算
Apollo中控制算由一个或多个控制器组成,可以轻松更改或替换为不同。 每个控制器将一个或多个控制命令输出到CANbus。 Apollo中默认控制算包含横向控制器(LatController)和纵向控制器(LonController)。 它们分别负责横向和纵向车辆控制。 控制算不必遵循默认模式,例如,一个横向控制器+一个纵向控制器。 它可以是单个控制器,也可以是任意数量控制器组合。 添加控制算步骤: 创建一个控制器 在文件control_config中添加控制器配置信息 注册控制器 为了更好理解,下面对每个步骤进行详细阐述: 一、创建一个控制器 所有控制器都必须继承基类Controller,它定义了一组接口。
C****X 2018-07-10
群雄逐“图”,百度缘何备受关注?
简单来说就是图顶点代表路口,边代表路口与路口接。路名、地标以及道路骨架信息都可以被抽象成并存储为这种形式。 这种形式绝对坐标度大约在10左右,由于用作辅助驾驶员导航,外加GPS设备定位(度也在10左右),所以这样度标对整体判断影响并不大,类似于人们眼中示意图。 何为高度地图? 所谓高度地图,实际上是与人们现在普遍认识电子导航地图对标提出概念,是提供给自动驾驶系统使用地图。 高度,简单来说就是地图绝对坐标度(绝对坐标度指是地图上某个目标和真实外部世界事物之间度)更高;另一面地图所包含道路交通信息元素更加细致丰富。 自动驾驶汽车在行进过程中需要确知道自己在路上位置,往往车辆离马路边缘和旁边车道也就几十厘,所以高度地图绝对度一般都会在亚级别(也就是1以内度),而且横向相对度(例如车道与车道,车道与车道线相对位置度)往往会更高。 高度地图不仅有高度坐标,还包含丰富语义信息,例如交通信号灯位置及类型,道路标示线类型,识别哪些路面可以行驶等,这些能极大提高车辆对周围环境鉴别能力。
****ac 2018-07-12
亿元免费算力 | 百度大脑AI Studio重磅出算力支持计划
“提供总计1亿元免费算力,助力开发者成功”——百度大脑AI Studio 大数据、大模型、大算力是深度学习发展必备因素,算力重要性不言而喻。4月23日,首届 WAVE SUMMIT 2019深度学习开发者峰会,百度一站式开发平台 AI Studio 重磅出算力支持计划:豪掷1亿元免费算力,为普通开发者破除算力桎梏。 百度大脑AI Studio 百度大脑AI Studio是集合AI教程、代码环境、算算力、数据集和比赛一站式学习、开发、交平台。该平台旨在帮助开发者迅速掌握AI开发知识,并熟悉模型创建,训练及部署全过程。 百度大脑AI Studio中,项目有两个模式::一人一卡(单机)和远程集群模式。 其中一人一卡模式配置此前以CPU为主。为了解决该模式下性能不足问题,百度大脑AI Studio备了大量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工业级训练卡之一。根据英伟达说明, 该GPU性能是单核CPU47倍。此举将普惠百度大脑AI Studio用户,破除用户算力困境。
l****m 2018-07-10
词向量(一)
文章结构: 词向量 背景介绍 效果展示 模型概览 数据备 编程实现 模型应用 总结 参考文献 本教程源代码目录在book/word2vec,初次使用请您参考Book文档使用说明。 背景介绍 本章我们介绍词向量表征,也称为word embedding。词向量是自然语言处理中常见一个操作,是搜索擎、广告系统、荐系统等互联网服务背后常见基础技术。 在这些互联网服务里,我们经常要比较两个词或者两段文本之间相关性。为了做这样比较,我们往往先要把词表示成计算机适合处理式。最自然式恐怕莫过于向量空间模型(vector space model)。 在这种式里,每个词被表示成一个实数向量(one-hot vector),其长度为字典大,每个维度对应一个字典里每个词,除了这个词对应维度上值是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query是“母亲节”,而有一个广关键词是“康乃馨”。
w****t 2018-07-10
AIOps中四大金刚
具体职责包括: 在AIOps时代,运维工程师一面需要熟悉运维领域知识,了解运维难题和解决思路;另一面需要了解人工智能和机器学习思路,能够理解哪些场景问题适合用机器学习解决,需要提供怎样样本和数据,即成为AI在运维领域落地实施解决案专家。 运维AI工程师 在单机房故障自愈场景中,运维AI工程师将机器学习与实际故障处理业务场景相结合,针对单机房故障场景风险点,进行策略研发与实验工作。如下图所示: 运维AI工程师分别设计了如下算策略来满足整个复杂故障场景自动决策: 异常检测算:解决故障发现时指标异常判断问题,基于AI实现较高确率和召回率,作为整个故障自愈数据基础。 策略编排算:基于当前线上实际量和服务状态,设计损益计算模型,判断基于何种操作组合或步骤,能够使整个自动止损带来收益最大,风险最量调度算:基于线上服务容量与实时量情况,进行量比例计算,防御容量不足或不风险,并实现量调度收益最大化。
1****2 2018-07-09
百度安全:AI 是系统工程 需要真正开放安全护航
根据百度安全总结,AI 安全既包含传统安全层面,比如AI 系统硬件、软件、 框架、协议等,也包含AI 自身层面安全,比如错误地导机器学习系统,以达到攻 击者,或者破坏机器学习样本,让机器学习得出错误结果。 在最近GeekPwn 极棒破解大会现场,百度安全实验室研究员只用一张打印A4 纸晃了晃,就成功秒破了某安卓智能手机人脸识别认证系统,虹膜和指纹也相继 被破解。AI 时代,人脸识别、指纹密码、人眼虹膜认证等生物认证,取代了传统 密码。很多人认为生物识别唯一性保护了我们隐私。但事实上,这种想实在过 于简单。要知道,当你成功把自己变成一个活着人体密码时候,也就成为了黑客 重要“资源”。 云管端一体化AI 安全案 在这次OASES 联盟成立发布会上,百度安全宣布向联盟成员开放了其在AI 生态上多项安全能力。官是,希望在智能终端领域,通过专利共享、技术开源、标共建,与联盟合作伙伴共同动安全技术与服务应用落地,共建安全AI 时代。
不****主 2018-07-09
地图
三、Apollo高度地图与构建 Apollo高地图 Apollo高地图专为无人车设计,里面包含了道路定义、交叉路口、交通信号、车道规则,及用于汽车导航其他元素。 高度地图可在许多面为无人车提供帮助,如高度地图通常会记录交通信号灯确位置和高度,从而大大降低了感知难度。 高地图不仅可以减少计算需求,还可以通过提供有关驾驶环境详细信息,来确保无人车安全。保持这些地图是一项重大任务,测试车队需要不断地对高度地图进行验证和更。此外,这些地图可能达到几厘度,这是水最高制图度。 Apollo 高地图是最懂自动驾驶地图,也是业界细化程度最高、生产率最高、覆盖面最广地图。目前,Apollo 高地图自动化程度已经达到了90%、确识别率达到了95%以上,预计2020年可以覆盖全国所有重点道路。 高地图有很多种格式,为了便数据共享,Apollo高地图采用了OpenDRIVE格式,这是一种行业制图标。同时,Apollo也对OpenDRIVE做出了改进,进而产生了Apollo OpenDRIVE标,以便更适合无人车。
1****9 2018-07-11
【强势出击】第二期百度大脑体验师来袭
4月25日,百度大脑开放日第二期正式开启 与第一期有所不同,第二期百度大脑开放日,介绍了多种通用 AI 能力;除此之外,还出了两个定制训练平台-帮助开发者更简单高效地训练出满足细分场景业务模型。 无论你是资深AI开发者,还是AI初体验者,加入“百度大脑品体验师计划” 分享改进建议、使用技巧/攻略或者有价值有意思案例,与我们一起动百度大脑进化,帮助他人一起成长,探索AI前沿应用。 我们将评选出“最佳”内容和开发者,发布获奖公告、颁发百度大脑定制礼品、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百度大脑AI需求:描述清晰、字数不限 使用技巧 攻略:接入程清晰具体、可读性可参考性强,不少于500字 有价值有意思案例:场景、应用价值明确、图文结合,不少于500字 【参与式】 在百度AI社区“经验交”版块发帖:http://ai.baidu.com/forum/topic/add?
1****6 2018-07-10
反向图灵测试——如何识别这是不是AI
翻译软件出现有几十年了,常用单词和短语BTW/WTF/OMG用大词库即可,用户大脑会做二次语意加工。谷歌2016年9月底才宣布在谷歌翻译采用AI技术,在此之前谷歌翻译同样是可用啊。翻译和文字搜索是异曲同工,但以图搜图是真AI。 各种广告、APP、资讯智能荐依赖就是用户长期画像和短期意图,具体标签和统计是商业机密;我很难评估这机密是AI还是大数据,但这些技术几年前就已经成熟落地,所以我倾向于是大数据。有些智能荐根本就不智能,男人就美女和猎奇广告,挤地铁用IPhone女顾客就轻奢化妆品,洞察人性广告不需要搞数学和计算机。 一些深刻洞察人性玩家也会用AI做诸如星座算命、验证心理有几座断背山、荐股票彩票一类服务,其实就是消磨时光涨点粉丝。我在前一篇AI科普文章中已经说过了,深度学习结果必须要人做验证,人脸和鉴黄可以找人验证,但股票预测没人有能力验证。真懂股票IT技术又好人早去做量化交易了,赚到钱买粉不比编故事吸粉更痛快? 还有一些创意纯粹就是蹭热点做逼格塑造,造假成本都没有。
w****0 2018-07-11
单机房故障自愈-黎明之战
同时量调度也无使得服务恢复正常。 要求:将服务拆分为若干不同逻辑单元,每个逻辑单元处于不同物理机房,均能提供产品线完整服务。 3.服务不满足N+1冗 描述:任意单个机房故障时,其机房剩容量不足以承担该机房切出量。 问题:量调度导致其机房服务过载,造成多个机房服务故障,造成更大范围影响。 要求:容量建设需要对于每个逻辑服务单元都要有明确容量数据,并具备N+1冗,即任意机房故障情况下,其机房均可承载这部分量,同时需要保证服务变化时及时更数据和扩容服务,避免容量数据退化。同时对于变化趋势,也需要有提前预估,为重大事件量高峰预留足够容量(如节日、运营、假期)。 4.服务关联强耦合 描述:上下游服务使用固定IP或固定机器名进行直接接。 问题:单机房故障发生时,关联上下游之间无进行快速量调度止损。 要求:线上服务关联不允许使用固定IP或机器名链接,需使用具备量调度能力上下游式以实现上下游依赖解耦,下游服务发生单机房故障,可以快速调整路由比例实现止损。
双****4 2018-07-11
【杂谈】猎场没那么彩--还原真实猎头
第一部分.前言 无论是百科词条还是热播影视剧,猎头高端大气上档次形象都深入人心。我能理解人初见猎头兴奋,但实际上猎场没那么彩,面对这种过高期望,猎头朋友们是很尴尬,就好像每个IT工程师都能下载Q币一样尴尬。 本文定调并不是批判猎头行业,对水货猎头调侃才能让敬业猎头生意更好,让应聘者更少花力在无效应付上,让招聘知道资深猎头贵在哪里。 第二部分.真实低端猎头场 大部分猎头公司公开介绍就是几句无查证套话,其老板一般都是资深猎头跳槽单干,和老客户保持着半面之交关系。猎头公司找客户并不难,因为大都是无保底合同,半面之交关系也够用了。 大部分手猎头顾问,不管他们入职时理想有多远大,打了半年电话以后梦想都会变成跳槽去甲那里做普通人事职员。他们即不了解面试者也不了解用人单位,为一个候选人花费时间不超过半时,他们也习惯了面试成功率是百分之一。他们并不在意应聘者和面试官时间是否被浪费,挺高大上猎头工作,被这帮庸人做成了炸鱼游戏。高端猎头拿到简历就开始调查研究了,而这类猎头等二面以后才能记住面试者名字。
c****2 2018-07-10
个性化荐(一)
该系统首次提出了基于协同过滤来完成荐任务思想,此后,基于该模型协同过滤领了个性化荐系统十几年发展向。 传统个性化荐系统主要有: 协同过滤荐(Collaborative Filtering Recommendation):该是应用最广技术之一,需要收集和分析用户历史行为、活动和偏好。它通常可以分为两个子类:基于用户 (User-Based)荐[1] 和基于物品(Item-Based)荐[2]。该一个关键优势是它不依赖于机器去分析物品内容特征,因此它无需理解物品本身也能够确地荐诸如电影之类复杂物品;缺点是对于没有任何行为用户存在冷启动问题,同时也存在用户与商品之间交互数据不够多造成稀疏问题。值得一提是,社交网络[3]或地理位置等上下文信息都可以结合到协同过滤中去。 基于内容过滤荐[4](Content-based Filtering Recommendation):该利用商品内容描述,抽象出有意义特征,通过计算用户兴趣和商品描述之间相似度,来给用户做荐。
TOP