行 业 要 闻
Industry News
▲▲▲
0
1
中国公有云市场研究白皮书
弗若斯特沙利文公司(Frost & Sullivan)发布了中国公有云市场研究白皮书,研究对象包括公有云产品和解决方案。该白皮书预计,中国公有云市场在2018-2022年间的年复合增长率将达到51.2%。该白皮书亦分析了中国公有云市场的竞争状况,并且对关键的公有云产品及解决方案提供商进行了深入对比,未来公有云市场竞争将日益激烈。
0
2
边缘计算、物联网,最全的应用场景介绍!
边缘计算已经成为物联网的一个重要趋势。Gartner Group将边缘计算确定为2019年的主要技术趋势之一。实施物联网解决方案的公司正在看到,在数据被发送到云计算之前,在更接近“万物”的边缘处理数据的真正好处。Forrester最近的一项调查证实了这一趋势。调查发现,53%的受访者预计,在未来3年内,他们将在边缘地带分析复杂的数据集。
???? 原文链接:
https://thenewstack.io/the-internet-of-things-on-the-edge/
0
3
2018年最好的学习工具总结
InfoWorld编辑和评论家评选出今年最好的软件开发,云计算,大数据分析和机器学习工具。
16项获奖技术分别为:
Kubernetes、Firebase、Serverless、Elastic Stack、DataStax Enterprise、Apache Kafka、Apache Beam、Redis、Visual Studio Code、.Net Core、LLVM、TensorFlow、Keras、PyTorch、Horovod、XGBoost。
???? 原文链接:
https://www.infoworld.com/article/3336072/application-development/infoworlds-2019-technology-of-the-year-award-winners.html
0
4
国内首个!京东物流率先建设5G智能物流示范园区
日前,京东物流宣布率先建设国内首个5G智能物流示范园区,依托5G网络通信技术,通过AI、IoT、自动驾驶、机器人(19.410, -0.45, -2.27%)等智能物流技术和产品融合应用,打造高智能、自决策、一体化的智能物流示范园区。
根据设计规划,京东物流5G智能物流园区将实现高智能、自决策、一体化,推动所有人、机、车、设备的一体互联,包括自动驾驶、自动分拣、自动巡检、人机交互的整体调度及管理,搭建5G技术在智能物流方面的典型应用场景。
0
5
Google开源CI/CD构建框架Tekton
Tekton 是一个功能强大且灵活的 Kubernetes 原生框架,用于创建 CI/CD 系统。通过抽象出底层实现细节,允许开发者跨多云环境或本地系统进行构建、测试与部署。
特性包括:
工件管理:存储、管理和保护工件,同时 Tetkon 管道可以很好地与其它第三方工具相配合。
部署管道:部署管道旨在支持复杂的工作流程,包括跨多个环境的部署以及金丝雀部署和蓝/绿部署。
结果:作为内置结果存储 API 的一部分,通过日志可以深入了解测试与构建结果。
???? 原文链接:https://cloud.google.com/tekton
0
6
调查显示近一半的英国PC用户遮蔽了网络摄像头
YouGov调查了英国人为防止被黑客或合法的科技公司窥探的措施。4/10的电脑用户遮蔽了他们的网络摄像头。这是防止网络监视的简单办法, Facebook的马克•扎克伯格也是这么做的。越来越多的安全专家也推荐这种方法。
YouGov的调查显示,在拥有台式电脑或笔记本电脑并配有摄像头的英国中,有4/5采取了这种措施。
学 术 前 沿
Academic News
▲▲▲
0
7
旷视Oral论文提出GeoNet
全球计算机视觉三大顶会之一 CVPR 2019 (IEEE Conference on Computer Vision and Pattern Recognition)将于 6 月 16-20 在美国洛杉矶如期而至。届时,旷视首席科学家、研究院院长孙剑博士将带领团队远赴盛会,助力计算机视觉技术的交流与落地。在此之前,旷视每周会推出一篇 CVPR'19 接收论文解读文章。
旷视 CVPR'19 Oral 论文提出一种基于测地距离的点云分析深度网络——GeoNet。为证明这种学习型的测地表示的有效性,旷视西雅图研究院提出一种融合方案,即把 GeoNet 与其他 baseline 和 backbone 相结合,比如 PU-Net、PointNet++,用于若干对潜在网格曲面特征理解有较高要求的点云分析任务。
得益于对潜在曲面拓扑结构的理解,这一方法在点云上采样、法向量估计、网格重建及非刚性形状分类等多项经典任务上取得了新的当前最优结果。该项工作已收录为 CVPR 2019 Oral 论文。
???? 论文链接:
https://arxiv.org/pdf/1901.00680.pdf
0
8
国防科技大学与微软最新论文解读
本文解读的是一篇由国防科技大学与微软亚洲研究院共同完成的工作,文中提出一种基于预训练模型的自然语言生成方法。
对于编码器,我们使用 BERT 将输入序列编码为上下文语义表示。对于解码器,在我们的模型中有两个阶段,在第一阶段,我们使用基于 Transformer 的解码器来生成输出序列的草稿;在第二阶段,我们分别 mask 草稿中的每个单词并将其提供给 BERT,然后基于 BERT 生成的输入序列和草稿的上下文语义表示,由一个基于 Transformer 的解码器来预测精化每个被 mask 位置的单词。
据我们所了解,我们的方法首次将 BERT 应用于文本生成任务。作为在这方面的首次尝试,我们在文本摘要任务上验证我们方法的效果。试验结果表明,我们的模型在 CNN/Daily Mail 和 New York Times 数据集上的性能超过了当前最好的方法。
???? 论文链接:
https://arxiv.org/abs/1810.08425v3
*以上信息来源于网络,由“京东云开发者社区”公众号编辑整理,
不代表京东云立场*
文末福利
点击“阅读原文”,填写问卷
前100名填写用户可获得京东云
价值600元!无门槛代金券~
点击好看,将信息分享给更多伙伴~