周五分享

各位小伙伴大家好啊!周五了,忙碌的一周结束了,我的一周分享如约而至。

这一周双十二过去了,我也在 JD 上买了根内存条,装上后,电脑性能要起飞啊,一扫之前的颓势,我终于可以一边打开我谷歌浏览器的数十个标签页一边进行各种骚操作了。

13862591-eb6813e0a176c472

双十二当天腾讯举办了年会,Pony、Mark、Martin、Allen 都发了言,张小龙为了这次发言整理了满满两页的段子,圈了鹅厂一大票女员工的粉,张小龙语录也流传出来,我摘录几段让大家感受一下顶级产品人的思考。

对于用户来说,他们更希望被诚实地对待,而不是去“套路”他们。让大家放下手机多和朋友见见面。虽然这只是一句口号,但是很多时候这些才是用户心里真正需要的。

我认为互联网的本质是消除了消息的不对称,当信息充分地流通起来以后,相应很多行业的组织形式也会发生变化。微信本身最有根源的价值,是希望整个行业里,所有在创造价值的人能够得到价值的回报。

微信秉承的价值观--所有在创造价值的人能够得到价值的回报。点个赞,说个实话,微信生态对内容原创作者的保护机制是做的最好的,微信的赞赏机制是内容平台里面最早的,近期还成立了洗稿合议小组,以加大对原创内容的保护。好的内容是极其匮乏的

新闻


1. xx 潮不断,刷知乎时刷到了知乎裁员的消息,往年的这个时候各种年会照,饭局照已经流出,今年各个行业的活动却少的可怜。

2. Amazon 第二总部落户纽约,却遭当地居民抗议。

美国各个城市为了能得到亚马逊的青睐,可谓下足了功夫,最务实的当然是地方政府出资或者减免税款了。纽约市在帝国大厦等地标亮起了亚马逊之橙,加州州长提出 3 亿美元奖励 + 10 亿美元税收优惠等政策来吸引 Amazon。

13862591-3c751393f7f582cb

各地政府为啥这么卖力,除了亚马逊带来的超过 50 亿美元的投资还有大约 5 万个工作岗位,还有这个“第二总部”带来的各种附加利益,比如以人工智能赋能的智慧城市。

出了这么多钱,当地居民却不乐意了,大多数地方政府倾向于削减公共援助和提高销售税来填补这笔资金。纳税人肯定不愿意了,这最终损害到了应当享受福利的当地居民。

13862591-1edd808a14b20c25

居民抗议当地的交通

3. 三大运营商开通 5 G 基站,正式进入 5G 时代。

每一次的数字变革都将带来无数的机遇,5G 时代是一个人对万物的时代,即物联网的时代,国内叫互联网+,这也不难理解各个巨头都在智能车上发力,未来,车将同手机一样,作为一个终端,用科技为其赋能。自动驾驶,解放人的双手,车内观影,娱乐,满足我们的休闲。

一个月前我和 Professor David 交流时,谈到了这个与万物互联的理念,仔细思考,传统行业如何转型,这其中还是有不少机会的,真正地与科技集合,而不是只停留在架构上,这才是未来。

分享


1. 各种找图网站,给需要题图的朋友们。厌倦了各种图片参差不齐的画质,或者你只需要几个高质量网站。

zoommy, unplash,pexel,realistic.

13862591-be27169cda41cb49
image

yeah,妈妈再也不用担心我找图了

2. pocket 插件,面对各种碎片化信息,学生党,上班族时间紧的人,可以随时随地阅读。只需要将某个网页或信息 save to pocket,便可以实时多终端同步,很方便学习。chorme 插件里面即可下载。

13862591-0be7406b74d4703a
我的 pocket 界面

荐书


人生的智慧》,使得一直寂寂无名的叔本华一鸣惊人。在这本书中,叔本华从世俗的角度,对人生应该遵循的原则进行了探讨,把对人生的看法全盘托出,尼采也深受他的影响,曾说:“我很懂得他所说得,就好像他的书是专门为我写的。”现在,我把它推荐给你。

13862591-12ee8a3133a7f8f0
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