收录了 时代学习报 频道下的 50 篇内容
科技大神千千万,“沐神”确是独一份。
金融机构由于面临激烈的竞争压力,需要不断对自身结构和人才资源进行迭代,以适应不断变化的新情况。随着微软前首席科学家邓力宣布加盟对冲基金巨头 Citadel,我们可以看到金融界已经向计算机科学(特别是机器学习)人才打开了大门。近日,摩根大通发布了一份题为《大数据与人工智能战略:机器学习和其它投资数据分析方法(Big Data and AI Strategies: Machine Learning and Alternative Data Approach to Investing)》的报告,对机器学习和大数据对金融领域的影响进行了全面的阐述。eFinancialCareers 对这份长达 280 页的报告进行了提炼,得出了 12 个重要看点。
本期技术特刊中我们总结了酷狗、美团、Airbnb的大数据平台架构实践范例,以及携程、IFTTT、卷皮等公司业务结合大数据平台的架构分析,希望读者能通过不同的角度从中收获到搭建大数据平台知识。
李沐技术分享会
6 月 24 日,为大家分享人工智能在金融投资领域的应用和发展。
企业的数字化探索需要以人才技能重构为起点和支撑。
深度学习CTR预估模型实践
难道中国的互联网圈真的迎来了历史上最寒冷的冬天了吗?
当企业需要落地大规模机器学习时,往往会面临很多难题,如何解决这些问题?
数字经济时代下的企业,面临最大的威胁无疑是人才短缺或者员工技能缺口。纵观经济发展历程,优秀人才始终是推动业务创新和社会进步的源泉。
科技在企业经营和业务拓展中发挥着越来越重要的作用,技术管理者的角色愈加关键。5G时代下多种技术的发展在相互促进和融合的道路上越走越远。
当把模型的知识压缩成知识体系,零散的知识点才能变成紧凑的知识面
数智时代的第一性原理
本期推荐内容:中台崛起的本质是“去ERP化”;从软件开发到 AI 领域工程师:模型训练篇。
如今,移动手机正在以惊人的速度改变着商业模型,运营模型以及各行业的市场发展轨迹,移动应用的市场也进一步扩大。
《深度学习CTR预估模型实践》专栏开篇
关于 Elasticsearch 的使用,看这一篇就够了。
本文是11月3日大数据杂谈群分享的内容。本文讲述了第四范式的“先知”平台的整体架构和一些实现细节。 1. 为什么人工智能系统需要高维大规模机器学习模型 2. 训练高维大规模机器学习模型算法的工程优化 3. 机器学习产品的架构实践
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。大数据时代,机器学习的地位变得愈加明显,可是在你运行机器学习项目需要哪些准确的数据?多少数据足够?如果你没有正确的数据怎么办?这些问题成为了很多的企业困扰,在本文中,我们针对这些问题谈谈自己的想法。
AI成为新基建风口模式下的一个重要选题,让人们对于AI 的热情空前高涨。从一开始的烧钱阶段到今天的确定性发展,AI一直渗透着人们的生活,从自动驾驶到人脸识别都是如此。其中,人脸识别技术应用较为广泛。