快讯 | 腾讯昨日盘中超Facebook成全球第五大市值公司


据腾讯科技报道,11月21日,腾讯股价开盘报425港元,市值突破4万亿港元。盘中,腾讯股价一度达到430.2港元,涨幅为2.43%,市值首度超过Facebook,达到40864亿港元(约合5231亿美元),成为全球第五大市值的公司。

昨天,这一消息一度刷屏文摘菌的朋友圈。今早文摘菌查看时发现,腾讯股价昨日收于430港元,成为亚洲首家市值超过5000亿美元的科技公司今日开盘报437港元,市值达4.09万亿港元。

美股周一,Facebook股价下跌0.15%,报收于178.74美元,市值为5194亿美元。

排名第七的阿里巴巴周一则上涨1.55%,报收于188美元,市值为4813亿美元。

排在腾讯公司前面的四家公司及市值如下(截至11月20日美股收盘数据):

1、苹果(市值8727亿美元)

2、谷歌母公司(市值7108亿美元)

3、微软(市值6368亿美元)

4、亚马逊(市值5427亿美元)

今年以来,腾讯、阿里巴巴股价涨幅都已超过一倍。

11月15日,腾讯公布截至2017年9月30日未经审核的第三季度综合业绩。财报显示,2017年第三季度,腾讯总收入为人民币652.10亿元(98.25亿美元 ),比去年同期增长61%;权益持有人应占盈利为人民币180.06亿元(27.13亿美元),比去年同期增长69%。

腾讯董事会主席兼首席执行官马化腾在财报新闻稿中表示:“我们的多项业务在第三季度均取得强劲的业务及收入增长,包括游戏、数字内容、网络广告以及支付相关服务。尤其腾讯视频,用户和收入市场份额持续增长,成为中国网络视频平台中,我们相信以日均移动活跃用户及付费用户计算的第一位,这反映了我们在自制视频内容的增投、版权视频内容的挑选、内容排播,以及观众群的定位方面均取得成效。我们的网络文学平台阅文集团在11月上市,亦反映我们多年来于这项业务投资的价值。我们相信多方位的数码内容业务相互之间具有协同效应,并让我们可以把独特的内容带给用户。”

腾讯已成为2016年全球游戏收入最高的公司。此前,大数据文摘曾报道,腾讯COO任宇昕表示,要全面扶持内容创业者,腾讯除了科技、更要做一家文化公司,“让天下没有被埋没的才能”与马化腾的这番重视内容的表达一致。

点击阅读《腾讯要AI in All:西部世界导演和腾讯COO刚刚一起聊了聊人为什么要活着》


信息来源:

https://view.inews.qq.com/a/TEC201711210126170D?from=groupmessage&isappinstalled=0



课程推荐

数据科学实训营第4期

优秀助教推荐|姜姜

作为一枚对数据分析的理解仅限于Excel的小白,曾经一直认为通过写代码来分析数据是件无比高大上的事。可是,在文摘的数据科学实训营居然就实现了!

手把手的教学方式,助教和同学们热烈的交流讨论,让我慢慢地觉得一行行代码如此亲切。而当把自己头脑中的构思通过代码实现,看到结果的那一刻,真是无比激动!

经过Kaggle、天池的案例的历练,对这些数据比赛也开始兴趣盎然,有没有小伙伴有兴趣一起去玩一玩的?

作为第4期的北美地区助教,寄语各位学员:前方高能,请准备好足够的时间,如果你能按时提交作业,结业时一定脱胎换骨。






往期精彩文章

点击图片阅读

大咖|英特尔中国研究院院长宋继强:我们是如何与李宇春打造全球第一支三维人脸特效的音乐视频的

【6层】一字型框架办公楼(含建筑结构图、计算书) 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。
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,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. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组,一个生器和一个判别器,它们相互竞争,生器生数据,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