【与文末神秘大奖的距离只差手指点一点】“魔方大数据”行业应用系列论坛第21期

(文末见福利)

随着AI技术的不断发展,传统汽车企业面临巨大的挑战,新能源和智能网联技术正在颠覆整合汽车行业。同时,我们也看到,双积分政策出台,车企加速新能源布局;无人驾驶上路已进入倒计时阶段;出行服务商投资车企形成新的人车生态圈。在此背景下由嘉之道汽车、智同道合生态圈、安亭·上海国际汽车共同主办,2018第八届中国汽车趋势与投资高峰论坛,聚焦“智能网联汽车产业的投资升级”。


本期魔方大数据,将聚焦“大数据驱动的汽车新零售投资”主题,邀请技术方和产业方大咖共聚一堂,探讨其AI技术对汽车的影响。


主办机构:上海大数据联盟、数据猿、上海嘉之道企业管理咨询有限公司

时间2018年1月18日下午13:30

地点 : 上海国际汽车城 汽车.创新港 会议中心多功能厅(上海市嘉定区安拓路56弄)


议程安排:


时间
议程
主持人:马慧民 -上海大数据联盟常务副秘书长
13:30

领导致辞

相关政府领导

13:40

领导致辞
嘉之道汽车董事长

徐锦泉 - 中国汽车咨询中心网CEO  

13:50

高端对话
主题:
大数据定义的新能源汽车与未来服务

陈良宇 - 嘉之道汽车合伙人副总经理

丁晓华 - 上海市新能源汽车公共数据采集与检测研究中心副主任

14:10

主题演讲:驾驶行为分析的商业价值

李献坤 - 评驾科技 董事长

Part1:大数据与汽车营销
14:30

主题演讲一:汽车零售的营销进阶

唐亮 - 上海永达集团 执行副总裁  

14:50

主题演讲二:传统汽车金融的转型之路

陈云薇 - 坤鹏融资租赁(上海)有限公司 董事长  

Part2:大数据与汽车后市场

15:10

主题演讲一:后市场高效运营之道

李斌斌 - 正时汽车 CEO  

15:30

主题演讲二:人工智能在汽车理赔中反欺诈应用

陈雁冰 - 嘉道信息技术 合伙人   

【圆桌话题】大数据催生汽车市场新服务

主持人:牟蕾 - 数据猿创始人  

16:00

丁晓华 - 上海市新能源汽车公共数据采集与检测研究中心主任

李献坤 - 评驾科技董事长

唐亮 - 上海永达集团执行副总裁

陈云薇 - 坤鹏融资租赁(上海)有限公司董事长

李斌斌 - 正时汽车CEO

陈雁冰 - 嘉道信息技术合伙人

16:30

论坛结束

嘉宾介绍:


马慧民 上海大数据联盟常务副秘书长


马慧民,1979年生,经济学博士,美国加州大学伯克利分校访问学者,现任上海超级计算中心云计算和大数据部部长,上海大数据联盟常务副秘书长,美国加州伯克利大学上海校友会副秘书长。曾任中国浦东干部学院院务办公室副主任,从事涉外培训工作、大数据研究工作。主要研究领域包括:互联网治理及大数据应用,公开发表《互联网治理中的三重性分析》、《大数据拓展国家治理空间》、《大数据推动我国法治建设进程》、《政府大数据价值实现的若干建议》等学术论文。


徐锦泉 嘉之道汽车董事长


毕业于中欧EMBA99级,作为第一代投身互联网行业的资深媒体人,行业市场咨询专家,同时兼任上海市第八、第九届青联委员、上海信息服务行业协会副会长、上海大数据联盟理事、中国汽车维修协会汽车维修配件工作委员会副主任、中国数字化营销与服务产业联盟理事及上海市信息服务协会数字营销委员会副主任;上海市国际商会理事及世界贸易中心协会上海分会理事等多项社会职务。


丁晓华 上海市新能源汽车公共数据采集与监测研究中心副主任


高级工程师、上海交通大学MBA,现任上海市新能源汽车公共数据采集与监测研究中心副主任。主要工作为电动汽车数据采集分析和研究 。研究领域为电动汽车大数据建模、基于数据的政策评估、消费者认知与使用行为分析、电动汽车充电基础设施规划方法、电动汽车商业模式等。作为主要研究人员,完成过科技部国际合作和863课题。


李献坤 评驾科技董事长


我国车联网行业的第一代创业者。是国内服务主机厂最多的前装车联网人;国内首个具有驾驶行为评测功能后装车联网项目的主导者;智能车联网的主要倡导者;中国物联网联盟理事、中关村大数据产业联盟特聘专家顾问、车联网产业技术创新联盟特聘专家具有20年管理经验;曾创办一家上市公司。


李斌斌 正时汽车创始人兼CEO


2004年起,李斌先生参与创办时代嘉道及旗下首家企业——嘉之道汽车,带领嘉之道汽车专注汽车产业研究及服务十余年,成为中国汽车产业增长重要的支持力量,专长于动力系统、安全系统、电子控制系统等关键领域及中国汽车后市场的研究实务,主导了五十多家国际国内知名企业的业务发展和规划实施服务。


牟蕾 数据猿创始人兼CEO


牟蕾女士,1977年生,统计学本科,中欧EMBA。1998年大学毕业后加盟香港上市公司慧聪网,后随慧辰资讯从慧聪网MBO独立后,成为慧辰资讯副总裁,历任IT研究员、研究经理、研究总监、副总裁兼人力资源总监。在近20年的职业生涯中历经数据分析、客户BD、市场管理、人力管理、兼并购整合事务等多种岗位历练。对数据在企业中的商业价值有自己独到的理解和观点;在企业综合管理方面有多元而丰富的实战经验。

2016年4月,牟蕾女士创立数据猿,并担任数据猿CEO。数据猿是一家定位于传播大数据种子的新型综合服务媒体,在为各行业提供大数据资源重置平台的同时,也致力为传统产业搭建一条大数据思维与技术对接的桥梁。




敲黑板!!!划重点!!!


外出旅行时,想在车上喝到冰凉的饮料时,拿起手边在不久前刚刚买好的冰镇饮料刚想畅饮一下,结果发现拿到手中的饮料比开水还要烫!整个人气得半死有没有!还有就是如果去烧烤, 冰冻过的食物需要保温,路途时间过长用塑料袋装又很容易变味,感觉没到目的地买的食物都要臭掉了。整个没心情去游玩了是不是!毁了出去游玩的好心情!!!


所以趁着还没到炎热的夏天,小猿赶紧给你们送上大礼,是不是超级感动!!!

背后偷偷说我大方的给你比小心心今天这么大方完全是为了回馈长期以来一直支持数据猿的小迷妹/弟们


最低制冷-18°的低耗车载冰箱你想要吗?

报名方式:


码上报名参会



咨询:Sophia:18801471276(手机/微信)


会议动态尽在下方阅读原文


“魔方大数据”行业应用系列圆桌会议是由上海市经济和信息化委、上海市科委指导,上海大数据联盟联合行业媒体数据猿共同主办的系列活动。该系列活动围绕大数据热点领域和问题,邀请政府部门、研究机构和企业界权威人士进行主题发言,并就有关问题进行交流研讨,形成若干政策建议和行业倡议,推动大数据产业链供需对接和应用创新。该系列活动开始于2015年10月,每月一期。


组织机构介绍


上海大数据联盟 在上海市经济和信息化委员会、上海市科学技术委员会联合指导下,聚集大数据领域相关的数据资源、服务平台和数据应用等主体机构自愿组成的非营利性联合体。目前拥有会员400多家,涵盖机关、企事业单位、高校、园区等。联盟秘书处依托上海超级计算中心和上海产业技术研究院联合开展工作。


数据猿(www.datayuan.cn)是大数据产业的创新服务媒体。聚焦 “大数据+产业”的应用落地及纵深发展前景。我们关注大数据领域前沿资讯、最新动态,报道行业标杆企业和创新创业公司。目前已拥有:大数据24小时、大咖专访、大数据创投罗盘等多个原创优质品牌栏目;并通过数据猿官网、微信公众号、今日头条、百度百家等11大自媒体平台,构建完整的媒体传播矩阵;数据猿已成为大数据领域颇具影响力的科技服务媒体,通过定期举办线上、线下行业培训、研讨沙龙、组织大型行业峰会,为“数据价值的产业落地”搭建融通与交流平台。


嘉之道汽车(上海嘉之道企业管理咨询有限公司)是时代嘉道旗下专注于中国汽车产业链的综合服务机构,提供具有国际水准的汽车行业咨询、数据、论坛、媒体及互联网信息服务。我们秉承“以大数据驱动行业协作”的理念,不断积累产业资源和技术能力,推动汽车及相关行业以互联网的连接方式加速发展。

培育成长了数家业内知名的关联企业,并得到包括国家级产业基金在内等多家知名外部投资机构注资,服务涵盖咨询、数据、媒体、论坛、SAAS、电商交易平台等领域,相关客户覆盖汽车产业链主要的全球500强企业和集团及众多知名消费品牌。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值