雅虎CEO梅耶尔将招聘谷歌高管 被指挖谷歌墙角

据国外媒体报道,美博客Business Insider近日撰文,称雅虎新任首席执行官玛丽莎·梅耶尔(Marissa Mayer)在雅虎招聘的首位重要员工将是来自谷歌的“全球媒体、移动及平台”业务的总裁享里格·德·卡斯特罗(Henrique De Castro),此举被认为梅耶尔在挖谷歌墙角。

Business Insider的文章如下:

业界的一些消息透露,雅虎新任首席执行官梅耶尔在雅虎招聘的第一位重量级的员工将是她在谷歌的同事——享里格·德·卡斯特罗。不过,这些消息并没有 透露德·卡斯特罗加盟雅虎之后将从事的具体工作,但有消息人士称,德·卡斯特罗加盟雅虎之后将负责“销售和业务开发”方面的业务。

但目前而言,雅虎已经有人负责“销售和业务开发”相关的工作。雅虎最新招聘的迈克尔·巴莱特(Michael Barrett)已经在运营公司销售相关的工作。另外,罗斯·莱文索恩(Ross Levinsohn)则负责雅虎的媒体业务。

上述传闻目前还没有得到确认。雅虎方面也拒绝置评。与此同时,谷歌公关部门也拒绝就上述传闻置评。

20120729_111421_222.jpg

不过,这一传闻还是很值得重视,其主要原因以下几点:此前有消息向Business Insider证实,德·卡斯特罗最近一段时间以来,一直在寻求到谷歌之外的地方就职,而且梅耶尔也有望招聘大量的谷歌员工。

据CrunchBase透露的消息称,德·卡斯特罗在谷歌期间还“全面负责”谷歌的电视广告、YouTube广告,谷歌显示网络(Google Display Network)、移动广告、AdMob、AdExchange和DoubleClick业务等。德·卡斯特罗在加盟谷歌之前,曾在戴尔从事销售与业务开 发等工作。在加盟戴尔以前,德·卡斯特罗还担任了McKinsey的顾问。

不过,以前的同事对德·卡斯德罗的评价则是褒贬不一。这些前同事的对德·卡斯特罗的一些评价如下:“他是一个超级聪明而且也被谷歌高层看重要的人;他缺乏魅力,他的团队并不喜欢他;他的确不怎么样,对雅虎而言,聘用他将是一笔很坏的交易。”

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/27210502/viewspace-738193/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/27210502/viewspace-738193/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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