暑期2020“大咖说开源”之邓超 | 开源软件的历史和法律风险

         

| 主办方: 中科院软件所、openEuler 社区、开源社

| 编辑:袁睿斌

| 设计:叶修缘丶

活动介绍

Overview

开源供应链点亮计划 - 暑期 2020 (https://isrc.iscas.ac.cn/summer2020) 是由中科院软件所和openEuler 社区(https://openeuler.org)共同举办的一项面向高校学生的暑期活动,旨在鼓励在校学生积极参与开源软件的开发和维护中,促进国内优秀开源软件社区的蓬勃发展。

活动愿景

Vision

在活动过程中主办方联合 “开源社” 在开源社区招募资深开源贡献者、布道师等大咖举办一系列的开源文化方面的讲座,为广大在校学生带来开源理念的系列介绍,帮助在校学生深入了解开源文化、参与开源社区的方式方法。在此特向开源社成员和国内外其它开源社区的成员征集演讲议题,如果您对开源文化有了解、参与过开源社区的贡献、或者参与过开源社区的运营都可以把您的经历、经验和见解通过这个活动分享给广大的高校在校生。

让我们协力把中国开源社区土壤培养的更加肥沃,让开源文化的种子在中国高等院校的土壤生根发芽!

讲座内容

Goals

1. 开源文化介绍: 开源文化对于在校学生比较陌生,通过对开源的历史、Linux 历史、LinuxFoundation、Apache Foundation 等让学生从多方位了解开源,激发学生参加开源社区的兴趣。

2. 参与开源社区方式: 如何通过 Git 向开源社区贡献,通过邮件列表、IRC、 Slack 等途径和开源社区交流、开源交流礼仪等参与开源社区方式的讲解,帮助学生顺利参与到开源社区中。

在线直播

Broadcast

讲座通过 Bilibili 网站进行直播,由中科院软件所提供直播的技术支持,每周一期固定时间进行直播。

                

(温馨提示:6月27日 北京时间 20:00,扫描上方海报二维码即可观看。)

讲师:邓超

议题:开源软件的历史和法律风险

简介:邓超律师,理学学士、法学博士。邓超律师的专业领域为知识产权,行业领域专注于TMT(科技、传媒和电信)。为TMT领域的客户提供全方位的诉讼以及非诉法律服务,曾代表客户在最高法院、多地高院等法院出庭应诉,并处理诸多非诉法律事务。

 

上期回顾:

             

讲师:陈莉君

议题:Linux从入门到深入内核有多远

个人简介:西安邮电大学教授,教育部高等学校计算机类专业教学指导委员会委员,陕西省教学名师,中国开源联盟专家组成员。20多年来致力于推动 Linux 在中国的发展,深入研究 Linux 内核相关理论以及技术,跟踪 Linux 内核发展动向,针对 Linux 内核版本的不断演化,连续编写和翻译了十多部相关专著、译著及教材,培养了一批活跃在 Linux 一线的优秀学生,两次获得中国开源联盟授予的“开源杰出贡献奖”。

开源社简介

     开源社是由国内外支持开源的企业,社区及个人,依“贡献,共识,共治”原则,所组织的厂商中立、纯志愿者、非营利的开源联盟,旨在共创健康可持续发展的开源生态体系,并推动中国开源社区成为全球开源软件的积极参与及贡献者。我们专注于开源治理、国际接轨、社区发展和开源项目。

相关阅读 | Related Reading

赢在 Apache-异步决策过程

开源飞控设备连接图介绍

暑期2020“大咖说开源” | 陈莉君:Linux从入门到深入内核有多远

喜欢本篇内容请给我们点个在看

                     

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