陆奇去向尘埃落定 担任YC中国创始人及CEO

640?wx_fmt=gif

关注网易智能,聚焦AI大事件,读懂下一个大时代!


640?wx_fmt=png


【网易智能讯 8月15日消息】今天YCombinator(以下简称YC)宣布中国作为美国市场外展开业务的首个国家,还宣布陆奇担任YC中国创始人及首席执行官。 


640?wx_fmt=jpeg


资料显示,Y Combinator(以下简称YC)是创业投资及加速器,总部位于美国加利福尼亚州山景城,成立于2005年,已投资超过1900家初创公司,包括短租平台Airbnb等。


今年5月18日下午,百度突发消息,宣布集团总裁兼首席运营官陆奇由于个人和家庭原因,无法继续全职在北京工作,将从7月起不再担任上述职务,但仍将继续担任集团公司副董事长。


从那时候起,陆奇这位科技大牛的去向成为各界猜测的焦点,最近的消息是6月30日,拼多多招股书披露的文件显示,陆奇担任拼多多独立董事和薪酬委员会主席。


640?wx_fmt=png


陆奇毕业于复旦大学,获计算机科学学士、硕士学位,此后就读于卡耐基梅隆大学,获计算机科学博士学位。陆奇博士除了在学术界发表过一系列高质量的研究论文,还持有40多项美国专利。1998年,陆奇加入雅虎公司,2007年晋升为雅虎执行副总裁;2008年8月,陆奇离开雅虎,并于次年1月正式加盟微软任网络服务集团总裁,2013年出任微软集团全球执行副总裁,2016年9月宣布从微软离职;2017年1月17日加入百度,担任百度集团总裁兼首席运营官、百度董事及董事会副主席 ,主要负责百度的产品、技术、销售及市场运营,兼任百度智能驾驶事业群组总经理。(定西)


640?wx_fmt=gif

- 加入社群吧 -

网易智能AI社群(AI专家群、AI黑板报)火热招募中,对AI感兴趣的小伙伴,添加智能菌微信 kaiwu_club,说明身份即可加入。

640?wx_fmt=jpeg

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