耳朵白鲸沙龙《如何突破自己?财经调查报道的调查手段》


1

耳朵白鲸 


耳朵白鲸是耳朵财经旗下推出的公益性媒体人沙龙,旨在知识、经验无摩擦地共享。

耳朵白鲸定期举办,邀请知名媒体人分享从业经验。


2

时间地点


沙龙时间:9月14日15:00

沙龙地点:北京市海淀区苏州街三号大恒科技大厦南座607

面向人群:媒体采编人员为主,也欢迎跨领域人士前来学习


3

日程安排  



14:30-14:55   活动签到

14:55-15:00   活动开始

17:30-18:00   活动结束



4

嘉宾介绍  


嘉宾姓名:朱星                

嘉宾title:深链财经联合创始人兼总编辑   

嘉宾简介:

朱星2014年开始在《新京报》做调查,其代表作、《中曼石油纠纷缠身启动IPO海外业务面临ISIS威胁》在财经市场产生较大影响。

《康华农业13万亩流转土地调查》,是他在桂林耗时2周,通过调研、取证、计算,证实了康华农业业绩注水,最终康华借壳失败,董事长至今身陷囹圄。

《中曼石油纠纷缠身启动IPO海外业务面临ISIS威胁》,这篇文章让对方起诉《新京报》并要求索赔2600万元,最终《新京报》胜诉。

2018年2月,朱星从《新京报》离职,担任深链财经联合创始人兼总编辑。


5

温馨提示 



1、本次活动免费

2、如果报名的朋友们提供的email和手机号码无误,我们会在活动开始前一天发送短信和邮件通知。所以请确认自己填写的email地址无误。如果未收到相关信息,可致电:13522835928 进行咨询。

3、本活动欢迎大家带自己的同事和朋友一起参加,不过为了确保良好的活动环境,请尽可能提前为他们报名预留座位。

640?wx_fmt=jpeg


640?wx_fmt=gif

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg


640?wx_fmt=jpeg

加耳朵君(ID:shqzhy1)进社群

玩转区块链,领取神秘奖励

640?wx_fmt=jpeg


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