- 博客(7)
- 资源 (14)
- 收藏
- 关注
RSS订阅原创 2天6课时沉浸式教学，踩准DeFi下半场，算力大学DeFi首期实战特训营圆满结束
秋风尚嫩，桂花初著，9月27日，由算力大学主办，致力于打造一体化DeFi生态公链——维基链、区块链数字资产国际站HomiEx联合战略支持的「算力大学DeFi首期实战特训营·上海站」画上圆满句号。在过去几个月以来，DeFi掀起的链圈“新造富”运动不断刷新我们对“财富速度”的认知，玩法层出不穷，门槛也随之拔高，作为一个呼啸而至的新物种，DeFi对于很多人来说仍然是个“难题”和“疑题”，难在理解和实操，疑在价值的真实性。在本次为期2天的算力大学DeFi首期实战特训营上，本体创始人李俊、维基链联合创始人&a
2020-09-28 23:13:02
285
1
原创 预言机私享，Defi实战特训，一场对开放式金融认知新突围来了！
2020年的这几个月， DeFi在区块链世界呈现爆发式增长。这是一场被誉为由全球众多企业、创新团队自发进行的一场“开放式金融基础设施”新基建。这场热潮本质上反映出数据作为生产要素的 “资产数字化”与“数字资产化”时代到来。预言机链接现实世界与链上世界。链下资产成为可信数据、可信数字资产，进入市场交易，通过法定认证后（代码即法律）即可参与到全球的开放式金融或去中心化金融的大循环当中去。致力于关注研究可信数据、可信资产等赛道的算力智库通过近期推出的【DeFi线下实战特训营】首期上海站（武汉、郑州等待
2020-09-27 23:18:36
386
1
原创 国内首个共享智能技术联盟成立，亮相上海“外滩大会”，首批共有27家初创成员加入
9月24日，国内首个共享智能技术联盟成立发布会在“外滩大会”召开。首批共有27家初创成员共同加入，包括众安保险、隔镜科技、中国科学院信息工程研究所等在内的一众金融机构、科技公司和科研机构。在数字化浪潮席卷的今天，人工智能技术面临着一大挑战：一方面要保护个人和机构数据的隐私与安全，一方面社会各方面应用迫切需要多方数据价值。而共享智能技术是克服这一挑战的关键技术。该技术希望在多方参与且各数据提供方与平台方互不信任的场景下，能够聚合多方信息进行分析和机器学习，并确保各参与方的隐私不被泄漏，信息不被滥.
2020-09-26 15:49:15
1406
1
原创 联邦学习的下一代技术趋势：无第三方和组件化 | 算力智库隐私专栏
联邦学习是新兴的人工智能基础技术，在 2016 年由谷歌最先提出，是一种在不交换数据样本的情况下，多个分散的边缘设备或服务器上训练算法的技术。联邦学习作为破解智能时代和隐私保护的利器，驱动人工智能产业升级，不断赋能医疗、金融等行业。近日，杨强教授在SDBD2020·算力在线论坛中指出联邦学习不仅仅是技术，更是开源生态的建立。作为打开数据岛的桥梁，联邦学习在满足数据隐私、安全和监管要求的前提下，让人工智能系统能够更加高效、准确的共同使用各自的数据。开门见山，本期算力隐私数据安全专栏特邀郭嘉，抛出3大问
2020-09-23 11:03:32
890
1
原创 大数据交易市场崛起，隐私计算助力产业链数字化转型｜算力智库隐私专栏
大数据交易市场正在经历一个新的转折点。前几日，在2020年中国国际服务贸易交易会的论坛上，北京市市长陈吉宁宣布了建立大数据交易所的消息。几天后，《北京国际大数据交易所设立工作实施方案》正式发布，其中成为“受到市场广泛认可的数据交易平台”是其功能定位之一。早前在2014年，中国第一家大数据交易所便落户贵阳，几年后，乌镇和上海也成立了自己的大数据交易中心或者交易所，但由于横亘在大数据交易中的“确权”和“定价”问题，大数据交易市场一直在坎坷中前进。经过这些年的发展以及北京透露出来的新信号，或意味着大数据交易
2020-09-12 11:42:11
578
1
原创 圆桌共话：如何冲破数据高墙，连线“数智未来”？
自从数据正式被纳入生产要素，联邦学习、区块链隐私计算等新算法涌现，业界围绕算法数据的讨论不绝于耳。如何寻求数据安全与隐私保护的平衡点？如何把握智能数据与区块链的融合趋势？8月25日，SIGKDD·SDBD2020 第二届智能数据和区块链应用国际研讨会在线上圆满举办。圆桌会议作为重要剧目压轴登场，上下半场，集结业内知名专家学者，热议前沿话题。1如何冲破高墙，实现数据价值共享圆桌会议上半场主题为“数据赋能场景，如何驱动产业创新？”由新加坡管理大学终身教授 朱飞达主持，特邀科大讯飞大数据研究院执行.
2020-09-03 12:31:42
1070
原创 对话同盾科技李晓林：知识联邦生态系统或成为AI3.0时代的重要基石
回望AI的发展历程，我们可以清晰地捕捉到几个关键的节点。AI 1.0没有学习能力，无法处理不确定性问题。其后令AI渐入佳境的，则源于由深度学习所触发的AI第二波浪潮即AI2.0。互联网、移动互联网等所产生的海量数据，给机器提供了学习、挖掘和试错的对象。但伴随此而生的问题是目前的深度学习过于依赖大数据，在一些小数据量的场景下，深度学习效果会非常有限。真正的AI应该像人类大脑那样，通过“小数据”也能进行自我学习，这也是走向AI3.0时代必须要直面解决的命题。究竟该如何在保证AI模型能力的前提下，大幅度减少所
2020-09-02 14:19:05
927
1
算力智库：中国人工智能20城-苏州篇.pdf
2020-04-02
算力智库：中国人工智能20城-合肥篇.pdf
2020-04-02
算力智库：中国人工智能20城-杭州篇.pdf
2020-04-02
算力智库：数字经济时代的区块链金融场景应用报告.pdf
2020-04-02
算力智库：区块链社区治理报告.pdf
2020-04-02
算力智库：能链科技-绿色经济专题报告.pdf
2020-04-02
算力智库：基于MPC的隐私计算：开启数字经济时代数据共享新商业模式.pdf
2020-04-02
算力智库：Web3.0时代的基石——多维度分析跨链技术投资机会.pdf
2020-04-02
算力智库：2018“区块链+”上市公司研究报告.pdf
2020-04-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人