大数据早报:Lendingkart获2500万美元融资 卡巴斯基承认从用户电脑拷贝过和病毒无关文件(11.7)

数据早知道,上36dsj看早报!


来源36大数据,作者:奥兰多


『融资』专注为中小企业提供贷款服务,金融科技公司Lendingkart获2500万美元融资


日前,总部位于印度的金融科技公司Lendingkart对外宣布,公司继今年6月获得770万美元债权融资之后,又于近日完成了新一轮的2500万美元融资,投资方为IFMR Capital, Capital First, Tata Capital Financial Services (TCFSl) 以及 Manappuram Finance。资料显示,Lendingkart成立于2014年,是一家在线金融机构,专门从事为中小企业进行贷款业务,主要以数据为导向,通过数据算法进行筛选,从而决定公司信用及额度。



『Facebook』Facebook:至少12%帐号是虚假或重复帐号


北京时间11月5日上午消息,Facebook本周发布了强劲的第三季度财报,然而一项最新数据值得警惕:Facebook平台上的虚假和重复帐户数要比该公司之前公布的多很多。Facebook首席财务官大卫·维纳(David Wehner)表示,Facebook平台上有10%的帐号是重复的,是“同一个用户使用的帐号”。此外,还有2%到3%的帐号是“虚假帐号”,被用于“传播垃圾信息或其他违反政策的用途”。Facebook此前估计,平台上有6%帐号是重复帐号,有1%是虚假帐号。维纳表示,新数据基于新的衡量方式。这表明,Facebook此前低估了重复和虚假的帐号。Facebook目前的每月用户数为20.7亿。因此最新数据表明,最多6000万个帐号是虚假帐号。



『Linux』数据显示Linux桌面并没有突然流行起来


根据 NetMarketShare 的统计数据,Linux 桌面的市场份额过去几个月突然出现了大幅增长,从 7 月的 2.5% 增长到了 9 月的约 5%。Linux 桌面似乎突然流行起来。然而根据 NetMarketShare 高管 Vince Vizzaccaro 的说法,Linux 市场份额数据可能并不正确,该公司正对此展开调查。那么 Linux 桌面的份额究竟有多大?根据另一个指标——美国联邦政府使用的 Digital Analytics Program 统计了过去 90 天访问 400 多个政府域名的访问者使用的操作系统,Linux 桌面的份额微乎其微:Windows 占 45.9%,Apple iOS 次之占 25.5%,Android 占 18.6%,macOS 占 8.5%,Chrome OS 占 1.1%,Linux 桌面发行版则在剩余的 0.7% 内。



『融资』图像识别科技公司“爱华盈通”获数千万元融资


成立于今年4月的“爱华盈通”是一家专注为B端客户提供图像识别方案的科技公司。致力于基于人脸识别、文档内容搜索、OCR三大技术,面向移动应用市场,为其提供移动终端应用产品。近日,该公司宣布刚刚完成了新一轮的A轮融资,融资金额达数千万元人民币,投资方信息尚未透露。据悉,此轮所获融资将主要用于产品研发及市场推广方面。



『机器学习』谷歌推广AutoML:机器学习帮助人类解决人才空缺


据外媒11月5日报道,谷歌领导工程师之一Jeff Dean在最近中国和硅谷的演讲中向大众重点介绍了一个名为AutoML的谷歌项目。ML是机器学习(machine learning)的缩写,指的是可以通过分析数据自行完成特定任务的计算机算法。同时它还可以学习如何建立其他机器算法。谷歌认为有了这种技术,人类很快就可以找到创建AI的方法,并且可以构建技术人员认为只能在未来出现的先进系统。该项目旨在为更多的公司和软件开发者提供最新的AI技术。



『数据安全』卡巴斯基承认从用户电脑拷贝过和病毒无关文件


大家应该还记得,之前美国政府曾给出公告,他们要完全封杀杀软卡巴斯基,其怀疑后者盗取他们的机密信息,随着这一封杀令扩展企业、个人用户电脑上。据CNET报道称,对于这样的封杀,卡巴斯基显然是不能承受的,不过更让惊人的是,卡巴斯基软件的创始人Eugene Kaspersky日前承认,曾经在用户电脑上拷贝和病毒无关的文件,这样的做法十分罕见。Eugene Kaspersky没有透露更多细节,比如他们从用户电脑中拷贝的到底是什么文件,拷贝出文件后用它做了什么等等。很显然这样的做法,必须要征得用户的同意,但卡巴斯基强调,他们此举只是为了找到网络罪犯。在中国市场,有不少的卡巴斯基杀毒软件用户。此前,卡巴斯基曾推出了一定时间内免费使用的版本,进一步增加了用户规模。


 End 

阅读排行榜/精华推荐1 入门学习

如果有人质疑大数据?不妨把这两个视频转给他 

视频:大数据到底是什么 都说干大数据挣钱 1分钟告诉你都在干什么

人人都需要知道 关于大数据最常见的10个问题

2 进阶修炼

从底层到应用,那些数据人的必备技能

如何高效地学好 R?

一个程序员怎样才算精通Python?

3 数据源爬取/收集

排名前50的开源Web爬虫用于数据挖掘

33款可用来抓数据的开源爬虫软件工具

在中国我们如何收集数据?全球数据收集大教程

4 干货教程

PPT:数据可视化,到底该用什么软件来展示数据?

干货|电信运营商数据价值跨行业运营的现状与思考

大数据分析的集中化之路 建设银行大数据应用实践PPT

【实战PPT】看工商银行如何利用大数据洞察客户心声?              

六步,让你用Excel做出强大漂亮的数据地图

 数据商业的崛起 解密中国大数据第一股——国双

双11剁手幕后的阿里“黑科技” OceanBase/金融云架构/ODPS/dataV

金融行业大数据用户画像实践


讲述大数据在金融、电信、工业、商业、电子商务、网络游戏、移动互联网等多个领域的应用,以中立、客观、专业、可信赖的态度,多层次、多维度地影响着最广泛的大数据人群

36大数据

长按识别二维码,关注36大数据


搜索「36大数据」或输入36dsj.com查看更多内容。

投稿/商务/合作:dashuju36@qq.com


点击下方“阅读原文”查看更多

↓↓↓

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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