靠AI訂餐廳、快速做人臉辨識,LINE推出3大商用產品要瞄準那些行業?
2020.12.18 by 高敬原
LINE把過去的兩大AI產品線,整併為「LINE CLOVA」,台灣技術長陳鴻嘉說,2021年將與台灣在地企業合作,把LINE的AI技術應用在產品中。
攤開過去LINE的財報,在金融事業、人工智慧(AI)的策略性投資,帶給LINE不少虧損,許多對外發表的應用與技術,仍離商業落地有段距離,LINE財務長黃仁埈曾表示,這些投資都是為了2~3年後的突破做準備。
經過過去一年的努力,現在LINE終於開始要用AI賺錢了!
過去LINE的AI業務,可以分為針對企業的B2B業務「LINE BRAIN」,以及面向用戶的AI技術品牌「LINE CLOVA」,而今年(2020)LINE 台灣開發者大會(LINE TAIWAN TECHPULSE 2020)上的重要焦點,就是LINE把這兩大AI產品線,整併為「LINE CLOVA」。
更重要的是,這些AI技術不再只是概念,LINE台灣技術長陳鴻嘉表示,2021年將與台灣在地企業合作,把LINE的AI技術應用在產品中,解決使用者生活和商業上的繁瑣問題。
推出三大商用產品,LINE開始要用AI賺錢了
針對台灣市場,LINE將會發展「CLOVA Chatbot(聊天機器人)」、「CLOVA Face(臉部辨識)」、「CLOVA OCR(光學字元辨識)」三大人工智慧商用產品,並推出兩大人工智慧解決方案,分別為LINE eKYC和LINE AiCall。
上述的這些應用,背後用到了NLU(自然語言理解)、Face(臉部辨識)、OCR(光學字元辨識)、STT(語音辨識)等AI技術,事實上,無論是eKYC或是LINE AiCall,這些應用在2019年的LINE日本開發者大會上,都已經對外發布,不過礙於語言、技術等因素,還無法在台灣市場落地應用。
2020 年LINE 台灣開發者大會
LINE技術長陳鴻嘉表示,這次釋出的AI技術,本來就已經存在於LINE團隊當中,「會把技術開放出來,是因為我們發現它有效果,想提供給外部開發者,進一步推廣到台灣市場。」過去一年台灣LINE積極地跟日本總部合作,針對中文資料做蒐集、訓練與調教,才能實現商業應用。
「LINE會跟台灣的技術夥伴合作,以 LINE CLOVA 技術提高商業服務的價值,」陳鴻嘉預告,LINE接下來會推出做出不同領域的應用案例,讓 LINE CLOVA 的應用融入台灣市場,這麼做的好處是,能減輕企業自行開發的負擔,最重要的是,能提供用戶更方便的服務。
技術一:CLOVA 聊天機器人
先前CLOVA聊天機器人,因為無法支援日文以外的語言,技術遲遲無法出海,現在這個障礙終於被打破。
根據LINE統計,使用CLOVA聊天機器人(CLOVA chatbot)的服務,在全球已上線超過44個,所累積的問答資料庫達100萬筆、使用超過1億人次,累積的使用者對話保守估計約有17億之多,豐富的資料庫,讓NLU(自然語言理解)技術成為LINE在人工智慧發展的核心,
CLOVA聊天機器人的優勢在於運用LINE的亞洲市場利基,與豐富資料累積,能更精確地判讀使用者的發話意圖和對話內容,對於辨識相對困難的亞洲語言格外擅長。
不只LINE自己發展人工智慧聊天機器人,LINE也提供Chatbot builder這個平台,讓企業開發者減少耗費訓練成本,更彈性、快速地打造聰明的人工智慧聊天機器人,打造好之後,即使是LINE以外的服務或平台,也可以很容易地與其串接。
以LINE內部來說,已經運用Chatbot builder上線的服務像是LINE官方帳號內的Smart chat(AI自動回應訊息)功能,LINE客服小幫手官方帳號,以及已經完成開發的自動報帳系統,陳鴻嘉表示,CLOVA Chatbot從現在起,正式開放台灣企業夥伴合作洽談。
技術二:CLOVA 臉部辨識
「安全性跟速度,是LINE人臉辨識的主要優勢。」許多科技公司都有佈局人臉辨識技術,陳鴻嘉表示,因為LINE以亞洲作為主要市場,因此在臉部辨識技術具有一定優勢基礎。
「CLOVA Face」具備四大功能,以階段性進行辨識作業,首先透過影像做人臉偵測,接著,會讀取臉部特徵和表情做內部校正,最後,以擷取到的特徵值進行辨識和比對,進一步還可藉由臉部樣貌讀取出更細微的資訊,包含年齡、性別和當下心情。
在今年的LINE 台灣開發者大會上,就是使用「CLOVA Face」技術,在30分鐘內完成上千人次入場報到流程。LINE在去年的日本開發者大會上,首次採用自家的人臉辨識技術,完成報到入場,根據記者實測,不像蘋果的FaceID在辨識時會有需要等一下的感覺,「CLOVA Face」整體的辨識速度非常快,幾乎是人臉瞄準鏡頭的當下就完成,體驗相當好。
陳鴻嘉表示,「CLOVA Face」可用平板、智慧型手機等各種裝置,可以一次辨識多張臉部影像,目前也針對年齡識別、辨識速度進行優化,此外,應用範範圍很廣,像是有些公司就將「CLOVA Face」用在差勤系統上。
技術三:CLOVA OCR
「CLOVA OCR」是將OCR(光學字元辨識)與人工智慧技術結合,透過OCR(光學字元辨識)與資料增強法(Data Augmentation),有效提供辨識結果的準確度,並開發出不同模式的OCR產品,包含文字單元辨識極高的general OCR,以及針對特定樣式和規格的specialized OCR,和操作介面簡易且具有AI運算邏輯的OCR Builder。
其中,在Specialized OCR會主要開發台灣最多使用者需要的樣式,例如:健保卡、車票、發票和身分證,更便利大眾的日常生活;而OCR builder則提供一個介面友善的平台,透過機器深度學習達到區域辨識和文字辨識,讓技術更簡單拓展應用面。更進一步,當OCR技術結合Face(臉部辨識),即能發展出AI解決方案LINE eKYC,提供企業界以更數位的方式辨識用戶身分。
應用一:eKYC
許多公司在提供服務之前,會先要求顧客提供證件等個人資料,這個步驟稱為「認識你的客戶(Know your customer),簡稱:KYC」,目的是為了預防身份盜竊、金融詐騙、洗錢及恐怖主義融資,傳統上會要求用戶透過影印的方式提供,通常需要耗費許多時間。
未來「CLOVA Face」也能用於KYC,像是去年四月,LINE Pay在日本推出eKYC技術,用戶只需要拿著證件面對手機鏡頭,拍一張照片,文件及臉部辨識完成後,就等同完成數位化認證作業,就能使用LINE Pay轉帳。
CLOVA Face自現在起正式開放台灣企業夥伴合作洽談,純網銀LINE Bank也即將開幕營運,陳鴻嘉預告,未來也有機會將「CLOVA Face」技術,應用在純網銀的eKYC流程中。
應用二:LINE AiCall
LINE在去年的日本開發者大會上,正式宣布於日本推出AI訂位技術服務「AiCall(AI訂位技術服務)」,這是一款結合語音識別、聊天機器人和語音合成做自然語言處理(NLP),能以極為自然的方式,跟來電訂位的顧客對話。
NAVER AI部門主管都旻兌(KyoungTae Doh)曾分享,根據內部調查,即便手機網路普及,仍有高達65%民眾在訂位時會優先選擇播打電話,然而訂位過程中,因為雙方溝通不良,有很高的機率導致訂位資訊出錯;加上日本勞動力不足,有許多餐廳業者傾向縮減人力,導致電話訂位成餐廳經營的痛點之一。LINE AiCall的出現,就是希望在餐廳尖峰時段,透過AI協助消費者完成電話訂位登記。
LINE AiCall透過STT(語音辨識)和NLU(自然語言理解)兩項技術結合,擅長辨識日常隨興的對話內容和較長的語句,並且在噪音環境內的辨識能力也相當突出。
陳鴻嘉表示,LINE AiCall在日本大多使用在餐飲業訂位的情境,現在支援中文進軍台灣,同樣看好應用在餐飲業,不過要克服的技術困難仍不少,陳鴻嘉舉例,要在台灣落地應用,必須將LINE AiCall與餐廳的POS系統連結,才能做到同步確認當日訂位狀況,「現正逐步完善技術面,關注台灣餐飲市場的需求,同時徵求試行合作案例,為在台商用做準備。」
附圖:LINE 台灣技術長陳鴻嘉預告,LINE接下來會推出做出不同領域的應用案例,讓 LINE CLOVA 的應用融入台灣市場
2020 年LINE 台灣開發者大會
在今年的LINE 台灣開發者大會上,就是使用「CLOVA Face」技術,在30分鐘內完成上千人次入場報到流程。
ekyc
去年四月,LINE Pay在日本推出eKYC技術。
今年(2020)LINE 台灣開發者大會(LINE TAIWAN TECHPULSE 2020)上的重要焦點,就是LINE把過去的兩大AI產品線,整併為「 LINE CLOVA」。
LINE AiCall
陳鴻嘉表示,LINE AiCall在日本大多使用在餐飲業定位的情境,現在支援中文進軍台灣,同樣看好應用在餐飲業,不過要克服的技術困難仍不少。
高敬原攝影
資料來源:https://www.bnext.com.tw/article/60614/line-techpulse-2020-?fbclid=IwAR3Otjiw-cxkCjwgDOGNTGMfaV-Py07AiZ2G_nVcv9LDOgwkiKmg80CjuUw
「機器學習的統計基礎深度學習背後的核心技術pdf」的推薦目錄:
- 關於機器學習的統計基礎深度學習背後的核心技術pdf 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於機器學習的統計基礎深度學習背後的核心技術pdf 在 李開復 Kai-Fu Lee Facebook 的精選貼文
- 關於機器學習的統計基礎深度學習背後的核心技術pdf 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
- 關於機器學習的統計基礎深度學習背後的核心技術pdf 在 機器學習的統計基礎深度學習背後的核心技術pdf 的評價
- 關於機器學習的統計基礎深度學習背後的核心技術pdf 在 機器學習的統計基礎深度學習背後的核心技術的問題包括PTT 的評價
- 關於機器學習的統計基礎深度學習背後的核心技術pdf 在 國立台北科技大學110學年度第2學期多媒體技術與應用 的評價
- 關於機器學習的統計基礎深度學習背後的核心技術pdf 在 從做中學AI - [感謝分享]作者黃志勝博士:『《機器學習的統計基礎 的評價
- 關於機器學習的統計基礎深度學習背後的核心技術pdf 在 2018最佳人工智能机器学习工具书籍及下载(持续更新) 的評價
機器學習的統計基礎深度學習背後的核心技術pdf 在 李開復 Kai-Fu Lee Facebook 的精選貼文
分享好文,中學生要學電腦嗎?
作者:創新工場CTO、人工智慧工程院執行院長 王詠剛
文章来自半轻人微信公众号(ban-qing-ren)
………………………………
朋友的孩子高中剛畢業,已拿到美國頂尖大學(非電腦專業)的錄取通知。疫情影響,不知何時才能去學校報到。孩子想抓緊學習一下程式設計,為大學打好基礎。這孩子找我聊了一個多小時,從如何學程式設計,聊到非電腦專業和電腦專業的路徑差異,又聊到如何從不同角度認識電腦與程式設計。聊得比較寬泛,不知是否對這孩子有用。
回想我自己的高中時代:那時雖迷戀程式設計,卻完全沒有懂行的人指導。在我們那個四線城市的廠礦中學裡,開設電腦興趣課的老師知道的資訊還沒我多。我高一時跑到北京中關村逛街,卻完全沒意識到中國第一代頂尖程式師當時就在我身邊的低矮辦公樓裡寫代碼(這話說得並不準確,比如求伯君那年就主要是在珠海做開發),鼎鼎大名的UCDOS、WPS、CCED就出自他們之手……我在當時街邊的一家書店(位置似乎就在今天的鼎好大廈對面)買到了許多種印刷品質極低劣的電腦圖書。用今天的標準看,那就是一批盜版影印或未授權翻譯的國外圖書。可那批書竟成了我高中時代最寶貴的程式設計知識來源。
顯然,我在高中時根本就是野路子學電腦。現在後悔也沒用,當時我的眼界或能觸及的資源就那麼多。如果能穿越回30年前,我該對喜歡程式設計的自己說些什麼呢?這些年,我與世界上最好的一批程式師合作過,也參與過世界上最有價值的軟體系統研發——我所積累的一些粗淺經驗裡,有哪些可以分享給一個愛程式設計的中學生?
【問題1】中學生要不要學電腦?
當然要!
每個中學生都要學。只不過——建議大部分中學生使用“休閒模式”,小部分(不超過10%)中學生使用“探險模式”。
啊?兩個模式?那我該進入哪個模式?⟹請跳轉至【問題2】
【問題2】選哪個模式?
你癡迷電腦嗎?比如,你玩遊戲時會特別想知道這遊戲背後的代碼是如何編寫的嗎?再比如,就算老師家長不同意你學電腦,甚至當著你的面把電腦砸了,你也要堅持學電腦嗎?如果是,恭喜你進入“探險模式”⟹請跳轉至【問題200】
你對數學有興趣嗎?比如,你看到街邊建築的曲線,就會在腦子裡琢磨曲線對應的函數或方程嗎?每當手裡攥著幾粒骰子,你就會不由自主地計算概率嗎?如果是,歡迎進入“探險模式”⟹請跳轉至【問題200】;當然,如果有些猶豫,也可以先進入“休閒模式”⟹請跳轉至【問題100】
即便你對電腦和數學興趣不大,家長、老師還是強烈建議你學電腦嗎?就算你一百個沒時間一千個不願意,家長、老師還是會逼著你學電腦嗎?如果是,建議你主動進入“休閒模式”並向家長、老師彙報說“我已經按照前谷歌資深軟體工程師的專業建議在認真學程式設計了”⟹請跳轉至【問題100】
其他情況,一律進入“休閒模式”。⟹請跳轉至【問題100】
【問題100】休閒模式 | 主要學什麼?
“休閒模式”將電腦視為我們生活、工作中的必備工具,主要學習如何聰明、高效、優雅地使用計算設備。這裡說的計算設備,包括所有形式的電腦、手機、遊戲機、智慧家電以及未來一定會進入生活的自動駕駛汽車。
什麼什麼?你已經會用電腦、會玩手機、會打遊戲了?別著急,慢慢往下看。
【問題101】休閒模式 | 我會用搜尋引擎嗎?
我知道你會用百度搜習題答案。但,習題答案不是知識。你會用搜尋引擎來搜索和梳理知識嗎?請試著用電腦和你喜歡的搜尋引擎來解決如下兩個問題:
(1)圓周率𝜋的計算方法有多少種?每種不同的計算方法分別是由什麼人在什麼時代提出的?借助電腦,今天人們可以將圓周率𝜋計算到小數點後多少位?將圓周率𝜋計算到小數點這麼多位元,一次大概需要花掉多少度電?
(2)全球大約有多少個廁所?在發展程度不同的國家,分別有多少比例的人可以享用安裝了抽水馬桶的衛生廁所?為什麼比爾·蓋茨曾大力推動一個設計新型馬桶的研發專案?比爾·蓋茨的公益組織在這個專案上大約花費了多少資金,最終收到了多大的效果?
如果你沒法快速得到上述問題的全部答案,那就給自己設一個小目標:一個月內,學會用搜尋引擎系統地獲取、梳理一組知識點的全部技巧。
【問題102】休閒模式 | 接下來學什麼?
建議學好典型的工具軟體。比如,我知道你會用Office了,但用Office和用Office是很不一樣的。對生活、學習、工作來說,學好、學透一個工具軟體比鑽研程式設計技巧更實用。
你會用Excel來管理班級公益基金的預算和實際收支情況嗎?
你會用Excel做出過去20年裡全球大學排名的演變趨勢圖嗎?
你會用Word排版一篇中學生論文嗎?論文中的圖表和最後的參考文獻部分該如何排版?
你會用Word編排一份班級刊物,包含封面、扉頁、目錄、插圖頁、附錄、封底等部分,可以在列印後直接裝訂成冊嗎?
PowerPoint呢?你有沒有研究過蘋果公司發佈會上那些幻燈片的設計?當約伯斯(多年以前)或蒂姆·庫克站在幻燈片前的時候,他們的演講思路是如何與幻燈片完美結合的?
還有哦,別忘了學學如何為數碼照片做後期,如何用電腦或手機剪視頻,如何為剪輯好的視頻配字幕,如何將照片、音樂、視頻等素材結合起來,做出一段吸引人的快手/抖音短視頻。
最後,抽空玩玩那些設計精妙的遊戲吧,比如《紀念碑穀》、《塞爾達傳說:曠野之息》之類;同時,遠離那些滿屏廣告,或者一心騙你在遊戲裡充值花錢的垃圾。
【問題103】休閒模式 | 不學學知識嗎?
當然要學知識。下面每種實用的電腦知識都夠大家學一陣子了。
(1)色彩知識:你知道同一張數碼照片在不同品牌的手機螢幕上、不同的電腦螢幕上、不同的智慧電視上顯示時,為什麼經常有較大色差嗎?你知道有一些色彩只適合螢幕顯示,不適合列印輸出嗎?你知道軟體工具裡常用的RGB、HSL之類的色彩空間都是什麼意思嗎?如何在設計PowerPoint幻燈片時選擇一組和諧美觀的色彩?
(2)字體知識:你知道什麼是襯線字體,什麼是無襯線字體嗎?你知道網頁中常用的英文字體都有哪些嗎?你知道商務演講時最適用于幻燈片的英文字體有哪些嗎?你知道電腦和手機常用的黑體、宋體、仿宋體、楷體等中文字體分別適合哪些實際應用場合嗎?你會將不同字體混排成一個美觀的頁面嗎?
(3)網路知識:你知道5G是什麼嗎?你知道5G和4G在通信頻寬、通信距離上的具體區別嗎?你知道什麼是路由器,什麼是防火牆嗎?你知道如何配置路由器,如何配置防火牆嗎?微信或QQ聊天時,對方發的文字、語音或視頻是如何傳送到你的手機上的?
(4)應用知識:淘寶中搜索得到的商品資訊是從哪裡來的?商品是按什麼方式排序的?為什麼購物APP經常會推薦給你一些曾經買過、看過的商品?你知道如何為自己建立個人網站嗎?你知道如何管理微信公眾號嗎?
(5)安全知識:你知道網路上的釣魚攻擊是怎麼回事兒嗎?你知道什麼是電腦漏洞嗎?你知道駭客為什麼想把一大批受攻擊的電腦變成可以遠端操控的傀儡機嗎?你知道為什麼現在很多手機APP都要通過短信發送驗證碼嗎?如果驗證碼被壞人截獲,你會面臨哪些風險?
這裡只是舉例。實用的電腦知識還有很多。大家可以自己發掘。
【問題104】休閒模式 | 我需要學程式設計嗎?
可以學,但不是必須。即便學,也只需要根據自己的需要,學那些最能幫你解決現實問題的部分。
【問題105】休閒模式 | 我該學什麼程式設計語言?
在“休閒模式”裡,電腦就是工具,程式設計也是工具,夠用就好。學什麼程式設計語言,完全看你想要電腦幫你做什麼。
• 如果你想對資料處理有更多自主權,那不妨學學Python;
• 如果你想做簡單的交互演示程式,那就先把JavaScript學起來;
• 如果你想更好、更快地寫論文,那不妨學學LaTeX(什麼什麼,LaTeX不是程式設計語言?你太小看LaTeX了);
• 如果你想學做簡單的手機APP,那麼,Android手機就學Java,蘋果手機就學Swift好了;
• 如果你只想知道程式設計是怎麼回事,那……從Python或JavaScript開始就行。其實,跟五六歲的小朋友一起學學Scratch圖形程式設計也不錯。
【問題106】休閒模式 | 我需要學人工智慧嗎?
在“休閒模式”裡,最需要學的不是“人工智慧的實現原理”,而是“什麼是人工智慧”,以及“人工智慧能做什麼,不能做什麼”。
• 在手機上試一試,人工智慧做語音辨識時能做到什麼水準?哪些話容易識別,哪些話不容易識別?
• 打開機器翻譯軟體,試一試哪些資訊翻譯得好,哪些資訊翻譯得不好?
• 手機上的拍照軟體一般都有人臉識別功能。試一試人臉識別在什麼場景下做得好,什麼場景下做得不好?
• 找一部講人工智慧的科幻電影,用自己的判斷解讀一下,電影裡哪些技術有可能成為現實,哪些技術存在邏輯矛盾。
【問題107】休閒模式 | 推薦什麼參考書、參考文獻?
書不重要,豆瓣評分7分以上的電腦應用、程式設計甚至科普類圖書都可以拿來翻翻。
直接在知乎裡搜索你想瞭解或學習的知識點可能更有效率。
如果你意猶未盡,覺得自己剛活動開筋骨,還想挑戰更高層次,歡迎進入“探險模式”。⟹請跳轉至【問題200】
否則,“休閒模式”到此結束。⟹請離開此問答
【問題200】探險模式 | 主要學什麼?
“探險模式”需要有挑戰精神。電腦科學的世界技術演進快,脈絡複雜,要想在探索時不迷路,你得通過有順序、有系統地學習電腦知識,慢慢構建出一張可以在未來幫你走得更遠的思維地圖來。
在“探險模式”裡,電腦就不止是一件能快速計算的工具了。電腦更像是我們大腦的一種延伸。這既包括認知能力的延伸,也包括認知邏輯的延伸。隨著學習深入,大家會逐漸體會到電腦所具有的多維度能力:
電腦是一種可以表示不同類型資訊(數、符號、文字、語音、圖像、視頻、虛擬空間、抽象邏輯)的“資訊管理機”;
同時,電腦也是一種可以連續執行指令以完成特定的資訊處理任務的“指令處理機”;
同時,電腦還是一種可以在知識與邏輯層面完成特定推理任務的“知識推理機”;
同時,電腦也是一種可以從人類給定的資料或自我生成的資料中總結規律,建立模型,自主完成某些決策的“智慧學習機”。
“探險模式”的目標就是盡可能準確地認識電腦,掌握有關電腦運行的最基本規律。有了這些基礎。未來在大學期間或工作中,你就能更容易地設計電腦軟硬體系統,或是設計出碳基大腦(人類)與矽基大腦(機器智慧)之間的最佳協作方案。
【問題201】探險模式 | 我的英語水準足夠嗎?
蘋果每年秋季的新品發佈會,不加字幕的話,你能聽懂多少?
能聽懂大部分:建議在學習電腦的過程中,盡可能使用英文教材、英文文檔。
能聽懂小部分:建議將原來準備學電腦的時間,分出一部分來學英語。
只能聽懂“你好”“再見”之類:⟹請離開此問答。然後,把原來準備學電腦的時間用於學英語,六個月後再回來。
【問題202】探險模式 | 我的數學水準足夠嗎?
如果你是數學和數學應用小能手——較複雜的數學問題總能快速找到核心思路,或快速簡化為簡單問題;很容易就能將抽象概念映射到具體的數學圖形,或將數學問題與相應的現實問題關聯在一起:請繼續探險之旅。
如果你應付正常數學課程感到吃力:建議將原來準備學電腦的時間,分出一部分來學數學。
如果你還搞不清楚什麼是方程、函數、集合、概率……:⟹請離開此問答。然後,把原來準備學電腦的時間用於學數學,六個月後再回來。
【問題203】探險模式 | 為什麼強調英語和數學?
(1)統計上說,最好的電腦參考資料大都是英文寫的,最好的電腦課程大都是用英文講的,最新的電腦論文大都是用英文發表的。
(2)函數、方程、坐標系、標量、向量、排列組合、概率這些中學數學裡會初步學習到的數學知識,是電腦科學的基礎。
【問題204】探險模式 | 電腦知識那麼多,正確的學習順序是什麼?
最重要的順序有兩個。建議先從順序一開始,學有餘力時兼顧兩個順序。
順序一:自底向上,即,自底層原理向上層應用拓展的順序。
電腦原理的基礎知識:
為什麼每台電腦(包括手機)都有CPU、記憶體和外部設備?
(馮·諾依曼體系結構的)記憶體中為什麼既可以存儲資料,也可以存儲指令?
CPU是如何完成一次加法運算的?
程式設計語言的基礎知識:
資料類型,值,變數,作用域……
語句,流程控制語句……
過程、方法或函數,類,模組,程式,服務……
編譯系統的基本概念:
電腦程式是如何被解釋或編譯成目標代碼的?
演算法和資料結構的基礎知識:
陣列,向量,鏈表,堆,棧,二叉樹,樹和圖……
遞迴演算法,排序演算法,二叉樹搜索演算法,圖搜索演算法……
應用層的基礎知識:
為什麼電腦需要作業系統?設備驅動程式是做什麼的?
網路通信的基本原理是什麼?流覽器是怎麼找到並顯示一個網頁的?
資料庫是做什麼用的?
虛擬機器是怎麼回事?
人工智慧系統的基礎知識:
先熟悉些線性代數、概率和數學優化的基礎知識。
什麼是機器學習?從簡單的線性回歸中體會機器學習的基本概念、基本思路。
什麼是神經網路?什麼是深度神經網路?為什麼神經網路可以完成機器學習任務?
如何使用PyTorch或TensorFlow實現簡單的深度學習功能?
順序二:自頂向下,即,自頂層抽象邏輯向下層具體邏輯拓展的順序。
• 電腦的本質是什麼?
• 什麼是圖靈機?什麼是通用圖靈機?
• 什麼是讀取﹣求值﹣輸出迴圈(Read–eval–print Loop,REPL)?
如何用自頂向下的方式理解(解析、解釋、編譯)一段程式碼?
• 靜態語言和動態語言的區別?
如何理解變數與資料類型之間的綁定關係?
• 什麼是函數式程式設計?
程式設計語言中,函數的本質是什麼?
函數為什麼可以像一個值一樣被表示、存儲、傳遞和處理?
• 什麼是物件導向?
類的本質是什麼?
如何用物件導向的方式定義個功能介面?
如何依據介面實現具體功能?
• 什麼是事件驅動?
什麼是事件?事件如何分發到接收者?
如何在事件驅動的環境中理解代碼的狀態和執行順序?
【問題205】探險模式 | 如何提高程式設計水準?
在掌握基本知識體系的基礎上,學好程式設計只有一條路:多程式設計,多參加程式設計比賽,多做程式設計題,多做實驗項目,多找實習機會——其中,能參與真實專案是最有價值的。
【問題206】探險模式 | 該從哪一門程式設計語言學起?
我個人推薦的程式設計入門語言(可根據情況任選):
Python
Java
Swift
C#
JavaScript / TypeScript
Ruby
……
可能不適合入門,但適合後續深入學習的語言:
C
C++
Go
Objective-C
組合語言
機器語言(CPU指令集)
Shell Script
Lua
Haskell
OCaml
R
Julia
Erlang
MATLAB
……
【問題207】探險模式 | 如何選參考書和參考資料?
(1)強烈推薦的參考書和參考資料:
• MIT、Stanford、CMU、UC Berkeley這四所大學中任何一個電腦專業方向使用的教學參考書或參考資料。網上可以查到這些學校電腦專業方向的課程體系,有的學校甚至公開了課程視頻。其中往往會列舉參考書和參考資料連結。
• 維琪百科(英文)上的數學、電腦科學相關條目。
• Github上star數在1000以上的開原始程式碼和開來源文件。
(2)強烈推薦但須小心辨別的參考資料:
知乎上的數學、電腦科學相關條目。使用時需要格外注意三件事:
儘量只看高贊答案或高贊文章;
辨別並避開廣告軟文;
辨別並避開純抖機靈的故事或段子。
Stack Overflow上的程式設計問題解答:
自己動手實驗,辨別解答是否有效。
CSDN上的程式設計問題解答:
自己動手實驗,辨別解答是否有效。
(3)其他推薦的參考書和參考資料:
國內專業作者寫作的專業技術書籍(豆瓣評分7分以上的)。
大廠(Google、Facebook、Microsoft、Amazon、阿裡、騰訊、百度、頭條等)資深工程師的技術公號、專欄、博客等。
著名圖書系列:如O’Reilly的動物封面的系列圖書(請注意最新版本和時效性)。
國內翻譯的著名技術圖書(譯本在豆瓣評分7分以上的)。
(4)儘量避免的參考書和參考資料:
• 已經過時的圖書或參考資料。
• 作者或譯者人數比章節數還多的專業圖書。
• 百度百科上的數學或電腦科學相關資料。
什麼什麼?你這篇問答居然沒有推薦一本具體的圖書?是,沒錯。如果你覺得即便有了上面的線索,自己還是找不到好書好資料,那也許你還是適合“休閒模式”⟹請跳轉至【問題100】
機器學習的統計基礎深度學習背後的核心技術pdf 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
深度:中科院AI勢力崛起
2020-01-21
智東西
文 | 韋世瑋
我們將時針倒回至七十年前。
己丑年甲戌月,東四馬大人衚衕10號的冬天全然未見絲絲涼意。這看似並不起眼的北京城中一隅,正醞釀着一場影響中國科技發展的深刻變革。
小衚衕裏,時年57歲的郭沫若被正式任命爲中國科學院院長。歷史以此爲起點向前奔涌,往後領導班子不斷更替的七十年間,我國自近代以來百廢待興的科技產業發生了翻天覆地的變化。
中國科學院(簡稱中科院)是我國在自然科學和高新技術綜合研究領域的最高學術機構。自成立以來,逐漸建成了完善的自然科學學科體系,覆蓋物理、化學、環境與生態學等學科,爲我國國家安全和科技硬實力的發展上,成爲了不可或缺的國家戰略科技力量。
從首次人工合成牛胰島素,到第一臺原子力顯微鏡(AFM)的誕生;從第一臺大型向量計算機系統,到首款通用處理器芯片「龍芯1號」的自主研發……中科院一路高舉科學振興的旗幟,帶領我國無數高端學科和科技產業萌芽、興起與爆發。
在學術研究領域,中科院旗下擁有12所分院,超100家科研院所,中國科學院大學、中國科學技術大學、上海科技大學(與上海市共辦)均爲中科院所屬的全國重點大學。建院以來,中科院已培養了近千名科技領軍人物和科技尖子人才,涌現出一批又一批的高科技創業者。
隨着人工智能的大火再度把世界科技熱潮點燃,中科院仍保持着強勁實力屹立於世界AI領域的發展潮頭。
放眼世界,2019年全球頂尖計算機科學機構排行榜CSRankings中,中科院以5.3分排名AI全球榜第四,僅次於清華、北大和卡耐基梅隆大學。
回望中國,中科院一手甩出寒武紀、雲從科技等估值10億美元的AI獨角獸,一手穩握中科曙光、科大訊飛和中科創達等多支A股王牌,在羣雄割據混戰的AI戰場中肆意廝殺。
國內外AI科技競賽一波未平一波又起,不知不覺間,中科院AI勢力的星星之火在2019年AI落地生死戰中,歷經了數萬家企業落幕背後的暗潮撲殺,正以爆發之態燎原至漫山遍野。
溯源中科院這場AI勢力崛起的背後,不僅是瞭解我國最高科研學術機構的技術根基和人文底蘊,我們對中科院系的冰山一角進行層層剖析的同時,也嘗試從中窺見這派AI勢力在當下產業落地生死戰的底牌與新活法。
一、中科院的根:研發與人才四十餘年灌溉
中科院系AI企業的野蠻爆發與生長,源於中科院深埋於我國科技土壤的根,離不開研發與人才長年累月的滋養和灌溉。
中科院的研發實力有多強?2019年《Nature》雜誌公佈的2019自然指數(Nature Index)年度榜單中,中科院以1678.64分一馬當先,超越845.54分的哈佛大學,猛衝全球領先研究機構第一的寶座。
細數我國改革開放四十餘年,在國民經濟、國家重大需求乃至世界科技前沿領域,亦活躍着中科院的身影。
2018年,中科院系統梳理了它在四十年間所研發的40項具有代表性、標誌性的重大科技成果。
其中在國家重大需求領域,中科院微電子所組織全國性產學研用聯盟,七年間不斷攻克集成電路(IC)產業研發瓶頸,實現22nm高K介質/金屬柵工程、14nm FinFET器件、新型閃存器件和可製造性設計等關鍵技術突破。
與此同時,在關鍵工藝模塊上,中科院微電子所還形成了較爲系統的知識產權佈局,擁有專利2406項,其中國際專利483項。
中科院持續在各個領域加強核心技術攻堅,實際上爲其在AI產業的爆發打造了一支又一隻精兵強將。
根據中國新一代人工智能發展戰略研究院在2019年5月發佈的《中國新一代人工智能科技產業發展報告》,截至2019年2月28日,我國共有75家AI領域的非大學科研機構,中科院下屬科研院所爲38家,以51.4%的佔比盤踞我國非大學科研機構陣營的半壁江山。
不僅如此,中科院下屬科研院所還強勢霸榜了我國AI領域專利數Top 10非大學科研機構。數據顯示,從第一名的中科院計算所,到第十名的中科院上海微系統所,中科院共爲我國AI產業貢獻了15457項AI技術專利。
人才之於研發,亦如園丁之於園林。
從成立至今,在郭沫若、方毅、盧嘉錫、周光召、路甬祥、白春禮一代代院長的帶領下,中科院如海納百川般吸引了無數身居科研金字塔頂尖的學術巨擘,遍佈數學物理、生命科學、信息技術和化學等多個領域。
現階段,中科院學部共有830名院士,107名外籍院士,平均年齡高達73歲。
81歲的並行算法、高性能計算專家陳國良院士正是其中的一員。他曾開發了國產曙光並行機「用戶開發環境」商用軟件,並帶領團隊成功研製出萬億次高性能計算機「KD-90」,爲我國高性能計算領域的自研核心技術添上了濃墨重彩的一筆。
外籍院士中,時年72歲的微電子學家、FinFET之父胡正明提出的鰭式場效晶體管(FinFET)芯片工藝技術,不僅成功讓芯片晶體管構造從原先的2D邁入3D大門,還打破了曾限制半導體產業發展許久的「摩爾定律」,爲全球半導體產業快速進軍先進工藝領域作出了巨大貢獻。
在近千名院士的披荊斬棘之下,雲從科技創始人及CEO周曦、寒武紀創始人陳天石與陳雲霽、雲知聲創始人樑家恩等一衆出身於中科院的後起之秀,亦在AI領域嶄露頭角,力圖創造一個又一個創業佳話。
縱觀中科院的科研實力與人才優勢,自成立七十餘年——尤其是改革開放後的四十一年間,日復一日地滴匯成海、聚沙成塔,不僅推動了我國科學技術硬實力的復興,亦爲如今中科院系AI公司在產業的爆發埋下伏筆。
二、中科院系AI企業的三大主戰場
如果說AI用了六十年的時間,才讓世界重新關注到它。那麼,中科院自改革開放後花了四十餘年,才讓中科院系企業在當下迎來爆發,這並不意外。
往前,我國的AI產業有中科曙光、科大訊飛和新鬆機器人等公司,在高性能計算、語音、機器人等領域開創基業的篳路藍縷。
往後,國內AI領域則有寒武紀、雲從科技和雲知聲等AI獨角獸與初生牛犢將優勢傳承,在AI芯片、AIoT、計算機視覺等市場不斷釋放潛力。
2019年年初,全球創投研究機構CBInsights發佈32家全球AI獨角獸公司名單。其中,出身中國的10家企業中,寒武紀、雲從科技和雲知聲爲中科院系創企,自動駕駛創企Momenta也有多名高管出身中科大。
中科院系在國內的競爭力同樣強勁。2019年8月,賽迪研究院發佈《2019賽迪人工智能企業百強榜研究報告》,在綜合實力TOP100榜單中,科大訊飛、中科曙光、寒武紀和漢王科技等9家中科院系企業榜上有名。
四十多年來,不斷在AI市場展露野心的中科院系企業已在多個領域開枝散葉。
從當前全局來看,中科院系企業的戰場主要集中在計算機視覺、AI語音和AI芯片三大方向。
它們從成立之初就開始逐漸影響着這些行業,在利用創新技術瓜分市場的同時,也重新定義着傳統市場的變革之路。
1、計算機視覺(CV)
計算機視覺是如今AI領域中十分熱門一個分支,同時也是極具商業化價值的賽道。
其中,以人臉識別爲核心技術的AI企業已廣泛遍佈國內市場,與安防、金融、自動駕駛和消費電子等應用場景緊密結合。
在這一市場中,中科院系老牌企業則有中科創達首當其衝。
中科創達成立於2008年,它針對成像技術開發了一系列圖像處理和智能視覺算法,既有面向衆多領域檢測人臉的年齡、性別和情緒的Face ID方案,也有面向工業、安防和交通等領域的視覺缺陷檢測。
尤其在智能網聯汽車方面,中科創達融合底層操作系統技術、Righware Kanzi 3D開發技術和智能視覺AI技術,進一步提升用戶的駕駛體驗。
據悉,中科創達在全球已擁有超過100家智能物聯網汽車客戶,其業務增速在2019年上半年約爲74%。
深度:中科院AI勢力崛起
另一廂,現在市場中老生常談的「CV四小龍」中,雲從科技則是中科院系麾下創企,成立4年就已拿下10億美元估值。
雲從科技在計算機視覺領域擁有三大核心技術,分別爲3D結構光人臉識別技術、跨鏡追蹤(ReID)技術和人體3D重建技術,在安防、金融、交通和零售等行業都有落地應用。
例如,其人臉識別技術能夠對圖像中的人臉進行屬性分析,以判斷年齡、性別、膚色、是否佩戴眼鏡和麪部遮擋物等信息,實現毫秒級響應。
2018年,國際調研機構Gen Market Insights曾發佈《全球人臉識別設備市場研究報告2018》,數據顯示,中國是全球人臉識別設備的最大消費市場,雲從科技的市場份額排名第一。
2、AI語音
要說中科院系企業在AI語音領域的最大王牌,科大訊飛當仁不讓。
自1999年成立至今,科大訊飛在語音識別、語音合成、聲紋識別和自然語言處理(NLP)等技術領域,已逐漸成爲中國AI語音行業的領頭羊。
科大訊飛的AI語音業務覆蓋智慧教育、智慧醫療、智慧城市和智慧汽車等領域。其中,在智慧教育方面開發了訊飛學習機,能夠幫助孩子定位弱項學科,制定個性化的學習方案。
科大訊飛董祕江濤曾表示,科大訊飛語音識別的市場佔有率已居全國第一。
而在新秀陣營,雲知聲和聲智科技等創企的潛力亦不可小覷。
例如,當前處在國內語音交互領域第一梯隊的雲知聲,2012年時就已將深度學習技術應用到語音識別領域,隨後還提出了面向物聯網的「雲端芯」產品體系構想。
雲知聲自主研發的雲知聲開放平臺3.0,利用語音識別、語義理解、語音合成和音頻轉寫等技術,爲移動物聯網、智能家電、可穿戴設備和醫療等領域提供AI語音解決方案。
據瞭解,目前雲知聲的覆蓋用戶已達2億,其中開放語音雲覆蓋的城市爲470餘個,覆蓋設備超9000萬臺。
3、AI芯片
在我國的半導體產業發展史上,脫胎於中科院計算所的龍芯中科自2001年以來,陸續研發龍芯1號和龍芯2號系列芯片,打破了我國缺乏自主研發CPU芯片的歷史。
而往後看,尤其是過去五年間AI專用芯片需求的爆發,中科院也孕育出了寒武紀和雲知聲兩家AI芯片獨角獸公司,以及中科睿芯、欣博電子和啓英泰倫等重要玩家。
其中,創立於2016年的寒武紀在2018年6月完成數億美元的B輪融資後,市場估值已達25億美元(約167億人民幣)。
寒武紀打造的兩代智能處理器IP,曾被搭載於華爲麒麟970和麒麟980兩款SoC中,幫助華爲一炮打響「真正的AI手機」口號。
2019年11月,寒武紀面向邊緣AI計算領域,最新推出了思元220芯片,擁有高安全、低延時和高帶寬三大優勢。
隨着思元220芯片的推出,寒武紀的AI芯片正式形成雲、邊、端三個方向的完整佈局,進一步滿足現今碎片化AI市場的多個應用場景需求。
三、回溯三大技術源頭,AI勢力的厚積薄發
追根溯源,如今中科院系AI勢力的逐漸崛起,與中科院AI歷史的變遷與演進離不開關係。
與我國曆史發展脈絡同步,中科院在結束了徘徊中前進的兩年後,國內AI的發展也逐漸醞釀着解禁。
1978年,我國著名數學家、中科院院士吳文俊提出的「幾何定理機器證明」獲得了全國科學大會重大科技成果獎,爲我國之後的AI體系構建奠定了重要基礎。
直到上世紀80年代,中國航天之父、中科院院士、兩彈一星元勳之一錢學森等先輩開始主張開展AI研究,讓我國的AI領域研究逐漸開始活躍。
隨着我國AI技術和思想的層層「破冰」,加之1994年中科院啓動支持高水平科技領軍人才引進的「百人計劃」,中科院乃至我國的AI從人才到技術、從學術到產業、從機構到企業,才一步步地蓬勃發展起來。
歷史滾輪之下,我國的AI發展脈絡與中科院息息相關。
當我們將回溯的目光放至中科院系AI企業的「身世」上,不難發現,這些企業的出身可大致分爲兩派。
一派以研究員爲出發點,其公司創始人、CEO和主要高管均爲中科院及下屬研究所出身,由研究員獨立或聯合創業而成;
而另一派則以科研項目爲出發點,公司在成立前曾爲中科院及其下屬研究所的科研項目,通過技術成果轉換後,才正式成立爲公司繼續發展。
但不論是研究員的出身,還是科研項目的孵化,這些公司的技術起點幾乎主要源於中科院的三家關鍵機構——中科院自動化研究所、中科院計算技術研究所、中科院聲學研究所。
1、中科院自動化研究所
設立於1956年的自動化所,不僅是我國最早成立的國立自動化研究機構,也是我國最早開展類腦智能研究的國立研究機構。
自動化所主要涉及生物特徵識別、機器學習、視覺計算、自然語言處理、智能機器人和智能芯片等領域的研究,漢王科技、中科唯實、銀河水滴、中科慧遠和中科視語等公司均從中孵化落地。
截止2018年底,自動化所共擁有696名科技人員,包括中科院院士2人、發展中國家科學院院士1人、IEEE Fellow 9人。
在AI領域,自動化所亦扮演着重要的開拓者角色。
上世紀90年代,自動化所以控制科學爲基礎,率先佈局AI研究。緊接着從2010年起,其AI研究方向進一步細化,開始在類腦智能研究領域出招。
據悉,自動化所通過架構設計創新,曾自主研發了量化神經處理器(QNPU),在資源受限的芯片上實現大規模深度神經網絡的獨立計算。
而在生物特徵識別技術方面,自動化所還實現了從中距離到遠距離的可識別生物特徵信息全覆蓋,包括虹膜識別、人臉識別和步態識別,已在國家衆多重要安全領域應用落地。
2、中科院計算技術研究所
計算所同樣創立於1956年,是我國第一個專門從事計算機科學技術綜合性研究的學術機構。
計算所主要研究信息處理、網絡安全、大數據處理、智能技術和虛擬現實技術等領域,曾研發出我國衆多的「第一」歷史性時刻,爲我國的高端計算機技術、數字化技術和通用CPU技術等方面作出了巨大貢獻。
例如,我國的第一臺通用數字電子計算機、第一臺109乙大型通用晶體管計算機、第一顆通用CPU芯片「龍芯1號」,以及全球PC市場份額第一的聯想集團前身皆誕生於此。
同樣,計算所亦是中科曙光、寒武紀、中科智芯、中科視拓和中科物棲等一衆AI企業的搖籃。
截至2015年,計算所的研究隊伍已超500人,其中中科院、工程院院士共5名,正高級專業技術人員70名。
而在未來,計算所也將計劃實現三個100億的產業目標,包括中科曙光市值達到100億美元、嵌入到華爲等企業的IT產品銷售100億人民幣、創業公司市值達到100億人民幣,真正成爲我國計算機產業的源頭。
3、中科院聲學研究所
與自動化所和計算所相比,聲學所則較爲「年輕」些,它成立於1964年。
聲學所主要負責聲學和信息處理技術學科的應用基礎,以及高技術發展研究,面向我國的海洋、安全、能源和生命健康等領域。
其中,聲學所的水聲物理與水聲探測、通信聲學和語言語音信息處理、聲學與數字系統集成等技術,不僅孵化了聲智科技等AI語音企業,同時也培育了一批如海天瑞聲創始人賀琳、小聲科技創始人陳孝良等產業人才。
截至2018年底,聲學所共有專業技術人員794人,包括正高級專業技術人員133人,副高級專業技術人員255人。
在國家重大科研項目領域,聲學所亦參與研製了我國「蛟龍」號載人潛水器的研發與應用,爲我國載人深潛技術的發展作出了突出貢獻。
中科院AI技術的「黑土地」不止於此,中科院軟件研究所、微電子研究所、半導體研究所等科研機構,同樣催生了衆多極具潛力的中科院系AI企業。
四、中科院的時代發展機遇
中科院系AI勢力的燎原,不僅僅是七十多年來科研技術和人才培養的厚積薄發,抓住了AI產業「甦醒」的時代機遇,亦是我國政策和中科院科技成果轉換的催化。
自我國的科技發展進程翻篇到新世紀,國家層面對AI技術和產業的嗅覺愈發靈敏。
國家高層領導人在2014年中國科學院第十七次院士大會、中國工程院第十二次院士大會開幕式上發表的一次重要講話,首次高度評價了AI和相關智能技術,無形中大力推動了我國AI技術的發展。
一年後,國務院正式頒佈了《中國製造2025》,加快推動新一代信息技術與製造技術融合發展,將推進智能製造作爲我國製造強國戰略的主攻方向。
至此,AI逐漸被提到了每一項重要產業中不可或缺的核心技術位置。
在國家政策的積極帶動下,中科院及下屬各個研究所亦開展了一場自上而下的政策規劃。
但立足於產業,如何更好地實現科技成果轉移轉化也成爲了中科院各項政策規劃的重要方向。
實際上,技術成果轉化的難點在於如何尋找技術產業化的方向。這常常缺乏專業的服務機構和人才,同時還面對部分科技成果轉化的政策不完善、科技成果與市場需求脫節等問題。
在政策方面,以下屬研究所爲例,中科院計算所在2016年制定了自身的「十三五」規劃,一是計算所發展模式要從自主創新轉變到引領創新,對標斯坦福大學;二是通過建設中科院網絡計算創新研究院,引領中國「信息高速鐵路」技術的發展;三則是支撐企業實現三個100億的產業目標。
以地方爲例,2018年,中科院科技促進發展局、中科院北京分院、中關村科技園區管理委員會共同推出了《促進中科院科技成果在京轉移轉化的若干措施》,通過支持科技成果轉化平臺建設、實驗室共享等十項舉措,推動更多科技成果在北京轉化落地。
此外,中科院還全資設立了國科創新公司,不斷探索產業技術研究院、技術企業孵化器和聯動創新產業園三種平臺的科技成果轉換模式。
截至目前,國科創新已實現了120多項科技成果轉換服務,覆蓋AI、智能製造、智能物流和智能電網等領域,孵化企業的融資規模已達到2.8億人民幣。
結語:七十載征程,中科院仍笑傲AI江湖
時光如流水,七十年的風吹雨打,中科院已然成長爲我國AI技術和產業力爭站立於世界潮頭的國之重器。
順延着它的歷史軌跡,我們可以看到,它AI勢力的強勢崛起,既有歷史的累積、人才培育的影響,也有一代代產業經驗累積後的良性循環。回顧中科院系AI企業的漫漫長路,它爲我國AI產業如何利用好產學研之間的合作優勢,提供了一個新的角度與思考方向。
但同時,我們也需意識到,在當下殘酷的AI落地戰和全球科技競賽激烈的環境中,我國整體的AI技術實力與國外仍存在一定的差距。
我國AI玩家們將要面臨的,不僅是全球科技競賽給市場格局帶來洗牌的陣痛,還需面對顛覆性技術爲各領域市場,乃至人們的生活帶來的巨大挑戰。生,便能乘着市場和資本的東風一躍而起,闖進商業落地的頭部陣營;死,便只能被大浪拍在岸邊的礁石上,隨着時間流逝被市場和資本遺忘。
未來,中科院系AI企業又將如何書寫這一頁歷史征程?時間將會告訴我們答案。
附圖:▲中科院研究單位統計表
▲我國自然科學工作者代表會議籌備會合影
▲自然指數全球百強機構前十名榜單
▲中科院改革開放四十年40項重大科技成果
▲我國AI領域專利數Top 10非大學科研機構(圖源中國新一代人工智能發展戰略研究院)
▲中科院學部院士年齡統計(圖源中科院官網)
▲陳國良院士
▲胡正明院士
▲賽迪網發佈2019年中國AI企業綜合實力百強名單
▲計算所成立公司情況(圖源計算所官網)
資料來源:https://bangqu.com/YDah49.html
機器學習的統計基礎深度學習背後的核心技術pdf 在 機器學習的統計基礎深度學習背後的核心技術的問題包括PTT 的推薦與評價
機器學習的統計基礎深度學習背後的核心技術 的問題,我們搜遍了碩博士論文和台灣出版的書籍,推薦黃志勝寫的 機器學習的統計基礎:深度學習背後的核心技術 可以從中找到 ... ... <看更多>
機器學習的統計基礎深度學習背後的核心技術pdf 在 國立台北科技大學110學年度第2學期多媒體技術與應用 的推薦與評價
機器學習的統計基礎 :深度學習背後的核心技術 · image. 週次, 上課日期, 課程進度、內容、主題, 授課老師, 資料, 地點. 第01週, 2022/02/23, 課程大綱及AI技術簡介, 陳彥霖 ... ... <看更多>
機器學習的統計基礎深度學習背後的核心技術pdf 在 機器學習的統計基礎深度學習背後的核心技術pdf 的推薦與評價
機器學習的統計基礎深度學習背後的核心技術pdf | 博碩士論文下載網. 機器學習的統計基礎深度學習背後的核心技術pdf 明新科技大學評價 明新科技大學排名 明新科技大學 ... ... <看更多>