年轻人,你为什么来阿里做技术?

摘要:  1、一个阿里IT男,成了母婴专家? 最近,阿里算法工程师拉普当上了爸爸。 两个月前他就开始为这件事忙活。自从老婆有喜之后,七大姑八大姨都来给他提供参考,生过孩子的朋友、同事都对他说什么该买,主管也时不时关心一下:“奶嘴要买啊,奶粉备好了吗?” 作为阿里巴巴的一个算法工程师,拉普没有面临过比代码还要难缠的问题。


1、一个阿里IT男,成了母婴专家?

最近,阿里算法工程师拉普当上了爸爸。

两个月前他就开始为这件事忙活。自从老婆有喜之后,七大姑八大姨都来给他提供参考,生过孩子的朋友、同事都对他说什么该买,主管也时不时关心一下:“奶嘴要买啊,奶粉备好了吗?”

作为阿里巴巴的一个算法工程师,拉普没有面临过比代码还要难缠的问题。

他今年28岁,毕业于中科院计算机系,在2015年加入阿里巴巴。以往的工作看起来似乎有点抽象:“抽取共有业务模型,为产品做平台算法服务”。

听不懂?“做底层技术,为产品提供服务,有些用户是感受不到我们的存在的。”
这一次,轮到他为自己做事了。


搜百度、上知乎、找代购、问亲戚,能上的手段都用了,折腾了两个星期。

奶粉要买什么牌子,奶嘴的口径需要多少、尿布什么材质、贴身穿什么衣服、哪家店铺可靠,他都要从头学。老婆就一样一样写,足足列满了一张A3纸。在三八节当天,他在淘宝剁了六千多块钱,买了72件。

“为什么我们就不能一站式地解决这个问题呢?”拉普说。

“大部分情况下,你只能去搜奶瓶、奶粉、尿布这种关键词。丢三落四不说,你可能还不清楚这些东西的好坏、评价,浪费时间,还不专业。”拉普谈起这个场景时,使用的名词比他的专业术语还多。

去年10月,他所在的团队开始构筑生活场景的一站式服务,利用数据和算法为用户推荐产品,其中就包括“生孩子”这个场景。

他们团队的事情是,只要在天猫搜索“生孩子”,马上会出现一个母婴大礼包,“我现在做的事就是为这种场景提供服务,这些算法、底层技术,交给我们搞定”。

2、Hungry、Foolish、Crazy,实习生独自搞定钉钉的iPad版

2015年11月底,钉钉研发中心负责iOS的鼎天给刚来不到两个月的实习生需墨分配了一个任务:“钉钉目前还没有iPad适配版,你做一个吧。”

事情就是这样。一切都很平静。一个半月后,需墨赶在实习结束前交了差。

当时的钉钉刚搬到龙章大厦不久,还只有两个楼层,“一个工位两个人坐、阳台上都被改造成工位”,怎么看都不像是想象中气派的大阿里集团办公楼。办公室坐落在西湖西侧,紧挨着西溪湿地,园区不大,但郁郁葱葱,风景秀美,楼下就是一棵九曲龙章的古树。

这正是钉钉快速扩张的开始阶段,整个团队永远有一种饥渴感,干劲十足。这支团队原来做了一个叫“来往”的产品,并没有取得成功。后来,在失败的废墟上,团队重新出发,做出钉钉这个产品,可谓涅槃重生。


钉钉内部有一句话: Stay hungry,stay foolish,but be crazy。

前两句是乔帮主的遗产,后一句(Be crazy)是钉钉CEO无招加上的。这三个词构成了三年前从失败中涅槃重生的钉钉文化,也成了需墨这位90后无线开发工程师身上的标签。

“我理解的hungry就是探索欲和求知欲吧,尽量做到极致。”需墨说。

阿里巴巴的实习经历从来就不是来拿个实习证明盖章的过场。需墨后来回忆起这个场景时说,那时真是初生牛犊不怕虎,敢干,有些事得要Foolish一些。其实这在钉钉、在阿里,都不是意外,你需要自己去想一些事,然后把它搞定。

“实习时候还是有点crazy的,当时想到会有一定困难,但就想做出来。我个人觉得,还是不要把自己局限在给人做一些边角料的事。”

他的任务是:将iPhone版修改为Universal版,适配支持iOS7 8 9的各iPad和新的iPad Pro, 支持横竖屏旋转, 支持iOS9的MultiTasking分屏。

整个App页面都要改,每一步都要自己来把关,不断调试,否则上线的效果就会不太好,好在他之前有一些iOS的开发经验。

2016年1月,他在内网上发布了开发的全过程。这一串分享代码敲完的时候,距离他的实习刚好三个月。他花了一个半月就实现了目标,惊艳了一批阿里工程师。

现在已经有超过500万家企业组织在使用钉钉软件办公。需墨说:“以前在学校总是强调理论钻研,来了之后感觉最有成就感的是,学有所用,有了发挥的地方,一想到那么多人要用你做出来的东西,就觉得责任很大。”


3、“大丈夫抱经世之才,岂可空老于林泉之下”

嘉声是阿里巴巴机器智能实验室的第二名国内员工。

那是2014年iDST成立的那年冬天,他还是一名来自哈工大的实习生。

iDST始于阿里在纽约的上市结束后不久,在硅谷宣布成立,开启了阿里从商业公司走向了商业和技术结合的道路

iDST最初的工作内容是为聚划算、淘宝提供推荐、搜索和排序服务。

一个朋友告诉嘉声说,他现在逛淘宝经常不想打字,就躺在床上直接对着淘宝说他想买啥;前一段时间他女朋友在优酷上追剧的时候,发现优酷app首屏的猜你喜欢经常能推到她感兴趣的节目…

正式入职后,他先后参与过这几个任务的算法开发,这也使得他很享受于提升别人的满足感这样的乐趣。

这些都成为支持他当初那个决定的理由,那个岔路口的决定:放弃一直以来想去读博的想法,本科毕业直接加入阿里巴巴。

“即使是出国读书做学术,最后还是要把成果落地。而在阿里巴巴,借助数据、计算能力、丰富的场景以及最出色的技术能力,有足够多这样的机会,让我们能看到用户价值、商业价值,意识到原来自己的工作可以影响这么多人。”

很多阿里工程师都被这条经世济用的理由所吸引。玄德公说“大丈夫抱经世之才,岂可空老于林泉之下”,立刻就让孔明放弃了死守书房等拆迁的念头。

在阿里,嘉声依旧有这样的机会,满足他当初对于学术的热情。近半年,通过在业务上的总结与沉淀,他完成了一篇NIPS workshop论文和一篇CVPR的spotlight论文。

“我有同学去了其他公司的,但是能够不拘泥于学术本身,在实践中验证理论,这种机会不是太多。这样的机会最美妙的地方在于,他让你的研究热情变得真实、伸手就可以触碰的感觉。”嘉声说。

金榕当时从密歇根大学的终身教授职位上加入阿里巴巴时,也曾说过类似的这么一句话:“对我来说, 是第一次感觉理论原来可以改变生活 。”

阅读更多干货好文,请关注扫描以下二维码:

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。 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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能出一定的优化。.zip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。
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