亚马逊市值超微软成为全球市值最高的公司

周一,亚马逊市值收盘达到7970亿美元,超越微软(7890亿美元)登顶成为美国市值最高的公司。

早些时候一直是苹果位居市值榜首。去年8月份,苹果成为美国历史上首个市值破万亿的公司,但在过去的几个月里,尤其是新款iPhone面世后,由于销售业绩不及预期,苹果的股价一直在下跌。周一苹果收盘价约为7020亿美元,仅排第四。

\"\"

过去几周微软市值一直领先,估值高达7850亿美元。根据华尔街日报的报道,亚马逊周一能够超越微软,部分原因是对中美之间新的贸易谈判持乐观态度。

亚马逊股价周一上涨约3.5%,收于每股1629.51美元。微软上涨1%,收于每股102.06美元。微软周一宣布,它正在与美国连锁超市集团克罗格合作,欲与亚马逊的Amazon Go无人商店竞争。

苹果、微软、亚马逊一直在角逐市值第一的宝座,后面还有Alphabet, Facebook虎视眈眈,形成FAAMG的格局。2018年,市值前几位的巨头你争我夺,频频上演超车好戏:2018年2月,亚马逊市值首次超过微软。次月,亚马逊市值又超过了Alphabet。10月下旬,微软又反超亚马逊。11月26日,微软市值盘中短暂超越苹果。次日,微软收盘市值超越苹果10亿美元,成为全球市值最大的公司。随后苹果展开反击,再度夺回“最大”宝座,而现在亚马逊夺魁,我们期待见证科技到底能创造多大的价值。

参考链接:
https://www.cnbc.com/2019/01/07/amazon-passes-microsoft-market-value-becomes-largest.html

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