您正在使用IE低版浏览器，为了您的雷锋网账号安全和更好的产品体验，强烈建议使用更快更安全的浏览器
苹果嘴上说着不侵犯用户数据，身体还是很诚实嘛
在今年苹果全球开发者大会上，蒂姆?库克针对用户隐私和苹果隐私发表了一份专属声明，其中特别提到了隐私应用和消费者数据控制等问题，并有意与其竞争对手Google划清界限。在大会结束之后，蒂姆?库克在苹果官网上发表了一段措辞强硬的报告，他表示“苹果公司相信，提升用户体验不应该以牺牲隐私作为代价。”我们不会根据用户电子邮件内容或网页浏览习惯收集用户数据，然后再把这些数据卖给广告商，我们不靠应用商店、iPhone或是iCould中的用户数据赚钱。我们不会读取用户的电子邮件或短消息，更不会利用这些信息向用户进行营销。我们设计的软件和服务是为了优化设备。直白又简单。同样，iAd（苹果的广告业务）也将会坚持使用统一的隐私政策，其它任何一款苹果产品也是如此。我们不会从Health、HomeKit、地图、Siri、iMessage、通话历史或是任何iCould服务（比如联系人或电子邮件）中获取数据，而且在任何时候你都可以清除这些数据。很明显，苹果对把你的数据销售给第三方没有兴趣，但这并不表示苹果不会把这些数据拿来自己使用。就拿苹果最近推出的举例吧，这款人工智能助手旗舰产品比Siri更强大，也是Google&Now最大的竞争对手。为了尽可能高效地提供服务，Proactive需要了解用户习惯，并采用全新的方式来帮助用户处理日常事务。同时，第三方App应用也会为Proactive提供工具，给予开发人员支持，将深度链接功能整合进个性化软件里面。举例说明下：如果你经常在某个特定时间段内给某个好朋友打电话，那么Proactive会根据用户这个使用习惯，在指定时间段内将该好友的呼叫图标放置在搜索屏幕里，这样一到时间，就能更加方便地拨打电话了。如果你手机有一个未知号码来电，Proactive会扫描搜索你的电子邮件，查看是否其中包含了该号码的信息，并找到对应的号码机主信息，你可以据此判断是否有必要进行回电。如果Proactive在用户邮件内容里找不到未知来电号码，同时该号码是个固定电话，那么它可以根据区号判断该号码是从哪个地方拨出的。如果你把iPhone手机和自己的汽车连接，Proactive会提示车主是否愿意收听上次开车时播放的歌曲。而在上述四个例子中，最有趣的就是最后一个，因为最近一直有传言说苹果要进军互联汽车领域，而且他们还招募了一批有汽车行业背景的高级管理人员，并计划和宝马合作推出电动汽车。Proactive这款工具的功能这么强大，它势必需要从其他App应用中收集数据信息，以便更好地了解背景信息——它需要的是尽可能全面地了解你的一切！“当我们需要使用你的数据，是为了能给你带来更好地用户体验。”苹果希望用户认为苹果会保护他们的私人生活数据；但同时，苹果也不是省油的灯，在执行隐私策略时，他们也非常“灵活机智”。举个例子，苹果所有的用户数据都不会存储在远程服务器上，而是在设备上直接进行处理的。但是为了提升用户体验，特别是一些类似Siri和Proactive这样的高级功能，苹果其实非常需要用户数据。在苹果设备上，消费者的数据都经过了匿名处理，即便发送也无法追溯到任何特定的Apple&ID。那么现在问题来了，就算苹果拿到了用户数据，如果他们无法构建一个反馈回路，那么消费者在使用的时候难道能够享受到顶级的用户体验吗？对于苹果来说，他们所提供的所有个性化服务显然都是匿名的，数据也都是在用户设备上存储。这不禁让人觉得奇怪了，如果苹果没有拿到用户的私人信息，那么苹果如何能够识别用户，又如何提供真正的个性化服务呢？还有，如果第三方开发商进行Proactive深度链接开发，一旦其它服务（其它公司或其他人）使用了用户数据，又如何能确保用户的隐私安全呢？“举个例子来说明下Google是如何使用用户数据的吧。如果Google&Photos检测到用户相册里有特斯拉汽车的照片，同时根据该照片判断出此车就是用户本人的，当特斯拉发声明说这款车有问题，需要召回，那么Google就会给用户推送通知提醒。这就是Google的个性化服务，我们会对用户隐私数据进行合理管控，然后为用户提供他们真正需要且有帮助的反馈。”——Google副总裁Bradley&Horowitz如果对比Google，你会发现由于用户隐私条款和本地数据处理的限制，苹果其实无法提供真正意义上的个性化服务，而且功能也非常有限。Google的用户隐私策略更加开放，他们向用户坦诚说明了会如何使用这些隐私数据，但苹果则显得有点儿“装逼”。一方面，苹果在大声疾呼说要保护用户隐私；另一方面，他们又为了提供更好的用户友好服务，“偷偷摸摸地”获取用户数据。如果苹果连使用设备的人都判断不出来，他们根本不可能提供真正的个性化服务体验。换句话说，苹果必须要了解每个用户的使用习惯，否则他们各种高级功能根本无法给用户传递正确的信息，唯一的解决方案，就是识别出谁在使用设备，以及他们使用设备的目的是什么。音乐流媒体服务Spotify最近更新了他们的服务条款和协议，其中公开表示他们会使用用户的信息，并以此为用户提供个性化体验，但这一举措引发了用户的强烈抗议。由于该公司没有做好对外沟通工作，最终不得不由首席执行官Daniel&Ek亲自出面澄清服务条款的问题：请允许我在此澄清此事：如果用户不希望分享这种类型的信息，那么他们完全可以这么做。在访问相关数据之前，我们会询问用户、并获得他们的授权，我们只会将这些数据应用在某些特定的服务中，为用户提供个性化的使用体验。苹果之所以会对用户隐私问题如此“装逼”，其实主要还是因为公众对私人数据的理解还不够深刻。用户数据会被用来做什么？如何被访问？数据访问背后的真正目的又是什么？这些问题都需要得到明确的回复。Spotify其实是个反面教材，他们擅自更改了用户隐私条款，但却没做好公关。同样提供音乐流媒体服务的Apple&Music和Spotify非常相似，所谓前车之鉴后事之师，想必蒂姆?库克和苹果公司应该深知其中的利害关系。现在，苹果始终对外宣称要保护用户数据，并以此获得了积极正面的印象，但雾里看花，谁又知道他们背后的真正目的又是什么呢？时间会证明一切，目前苹果这种基于设备的隐私策略其实无法长远走下去，因为只要存在提供个性化服务的需求，就必须使用用户的个人数据，真期待能看到苹果被打脸的那一天。via
同步到新浪微博
关注产品和创新的科技媒体
当月热门文章
￥0（免费上门 手机快修）
￥59.00￥99.00
00:00:00后恢复原价
本栏目由提供
为了您的账户安全，请
您的邮箱还未验证,完成可获20积分哟！
您的账号已经绑定，现在您可以以方便用邮箱登录转自｜CSDN网址｜http://www.csdn.net/ 导读：前几天谷歌更新了它们的翻译App，其中最大的提升了是“字镜头”实时视频翻译和通话实时翻译。怎么做到的？字镜头技术首创者、Google 研究院翻译项目组资深软件工程师Otavio Good近日在博客上详述了相关原理。前几天谷歌更新了它们的翻译App，该版本有诸多提升的地方，其中最大的是提升了所谓“字镜头”实时视频翻译性能和通话实时翻译性能。怎么提升的呢？字镜头技术首创者、Google 研究院翻译项目组资深软件工程师Otavio Good近日在Google Research Blog详述了相关原理。正文部分如下：今天（日），我们发布了Google翻译手机App，现在这款App可支持20多种语言的即时视觉翻译（Visual Translation），也就是说，您可拿着手机摄像头对着实物，实物中的文字就可被即时识别出，并被翻译成目标语言。这项技术就是Google翻译中最新增加的特性——字镜头(Word Lens)，如图1所示。图 1
Google翻译手机版（图片来源：Google）因此，倘若下一次您有机会莅临一个陌生国家的城市，例如布拉格（Prague，捷克共和国首都和最大城市），当您饥肠辘辘地迈进一家饭馆时，再也不用担心看不懂那“宛如天书般”外文菜单了，因为此刻我们这款App可以悄然地帮您化解点菜的尴尬。那么，这款App是如何能够快速识别这些新语言的？下面我就给大家说道说道这款App背后的事儿。言简意赅地说，我们的这款即时视觉翻译App，用到了深度神经网络（deep neural network，DNN）技术。当年，我们字镜头(Word Lens)研究团队加入Google这个大家庭时，我们非常兴奋，因为这样就有机会和Google深度学习领域的大牛们一起工作。在过去几年里，神经网络犹如“磐涅重生”，重新唤起人们的极大关注，研究人员们亦不负众望，在诸如图像识别等领域取得不斐的成就。就在五年前，如果您交给计算机一幅阿猫或阿狗的图像，让它识别，通常它会很作难——水平有限，猫狗难辨。但时过境迁，由于卷积神经网络（convolutional neural network）技术的诞生，计算机不但可轻易分别出阿猫阿狗，它们甚至还可以分别出狗的不同品种，不管这狗是中国藏獒、德国牧羊犬，还是拉布拉多犬、西伯利亚雪橇犬，计算机都能分辨出个“子丑寅卯”来。图2 数码迷幻艺术（图片来源：Google DeepDream）是的，现在计算机的威力，已经不限于“玩玩”数码迷幻艺术（trippy art，参见例图2）了。如果你下载了Google翻译App的最新发布版，用之翻译您看不懂的外文菜单，那背后为您服务就是深度神经网络技术。或许，您会不以为然，唔，这个…… 这个还好吧，Google已经把深度学习用得“炉火纯青”了，再把这技术用在文字翻译上，似乎在情理之中，意料之内。在人工智能时代，这类演示好像已有不少了吧。但是，您可能不知道的是，我们这款App最棒的地方在于，它可在不联网的情况下也能正常工作，也就是说，所有深度学习的计算完全在手机上完成的。您是知道的，深度学习的计算量是不容小觑的。可这又是怎么做到的呢？一步一步来，循序渐进（1）找到图片中字符当利用手机摄像头把图像读取进来后，Google即时翻译App要做的是，找到图片中需要翻译的字母。这款App首要要剔除诸如树木或汽车等背景对象，凸显出想要翻译的文字。在识辨图片中的文字过程中，这款App通过识别类似的、连续的色素块，来完成任务。如果某些像素颜色相似、位置彼此靠近，那么就可能是我们要找的字符，这些字符连接成一行，或许就是我们要找的一行文字（下图左1子图为原始图片，左2子图中红色方框框出的，即为标识出来的字符）。 图3 图片文字识别及翻译流程（2）识别图片中字符接下来，这款App就要识别出第（1）步定位的字符。这时就该让“深度学习”出马了。我们要用到卷积神经网络，并在字母和非字母集合上训练这个网络，这样做的目的在于，让它学习到不同字母的长得是啥模样（在图3左3子图中，瑞典语“M?rk”为识别出的字符）。有意思的是，我们的训练集，并非都是那些方方正正的“纯洁的”字符集合，因为倘若不是这样，训练出来的识别器，就无法识别出在这个“并不纯洁”的大千世界中的字符。要知道，在真实的世界里，这些字符可能会因为反射、灰尘、污迹及各种稀奇古怪的破损，导致摄像头拍摄出来的字符“似是而非”。因此，我们构建了一个字符生成器，来伪造生成各式各样的阴影、扭曲字符。或许您要问，为什么你们不用真实世界中的图片字符，而是使用合成的数据集，来训练深度神经网络呢？嗯，其实原因很简单，我们很难找到足够多的、多种语言的、各种“光怪陆离”文字样本。当我们想要训练一个真正高效的，紧凑的神经网络时，更加困难的是，真实世界的字符样本非常难以精细控制。图4 本图显示的是我们用作训练的各种“脏”字母。这些“脏”字母包括有污垢的，有亮点的和有扭曲的等各类字符，但这些情况不能有太多，因为太多这样的非正常字符会让我们的神经网络“迷糊”。（3）查询字典，翻译识别出的字符接下来，就是通过查字典，将这些识别出来的文字翻译为目标语言。在第（2）步的字符识别过程中，可能存在失准的地方，比如说，将“super”识别成“5uper”（也就是说，把字符S识别成5），但这也关系不大，在字典查询过程中，匹配允许存在一定的模糊性，“5uper”还是有可能被纠正为“super”（在图3左3子图中，将瑞典语的“M?rk”翻译成英语的“Dark”）。（4）重新渲染翻译的文字最后一步，我们会重新渲染翻译出来的文字，让翻译文字和图片中原文的字体和颜色一致。之所以我们可以做到这点，是因为我们已经从图像中找到并识别出我们要想的字符，并已确切地知道它们在原始图片中的位置。于是，在获取字符周围的颜色后，就可以从原始图像中“剔除”原始字符。然后，我们在保持原始前景色不变的基础上，在原始文字位置上，添加翻译出来的字符，这样就可以达到，加工出的图像和翻译出来的文字犹如 “浑然天成”（对比一下：图3左1子图为原始图，左4子图为即时翻译系统的加工图，如果不了解内情，可能您都会认为，这是厂商发布的两种语言版本的广告呢）。将深度学习 “塞进”手机中如果要将上述4步即时视觉翻译的流程，放置到我们的数据中心（data center）上去完成，这看起来并不是什么太难的事情。但是，想一想，很多我们的手机用户，特别是那些仅在下载我们App时才仅此一次的用到我们数据中心的用户，他们的手机网络，要么慢如蜗牛，要么时断时续，加之智能手机又耗电得要命，让他们的手机将拍摄到的图像，发送到远程的Google数据中心上，在计算完毕后，再将识别结果发回手机，在上述场景下，是非常的不便！那些低端手机的性能，可能要比一个稍微好点的笔记本电脑慢上50倍，而这个性能稍好的笔记本电脑，在计算性能上，和我们的数据中心相比，亦是差得何止十万八千里。而事实上，我们的数据中心，才是运行常规图像识别系统的平台。那么，在没有和任何云计算平台相连的背景下，如何利用这些四处移动的手机摄像头捕获图像，并完成即时的视觉翻译呢？答案很简单：自力更生，丰衣足食！我们开发了一个非常小型的神经网络，让它在计算能力有限的智能手机上，独立工作。在训练这个小型的神经网络时，我们做了若干个严格的限定，也就是说，我们设置了它所能处理的信息密度上限。因此，工作的挑战——如何生成最有效的训练数据，立马凸显出来了。在生成适用的训练数据上，我们可是费了老大劲的。例如，我们仅希望识别出小幅扭曲变型的字符。因为如果字符扭曲幅度过大，为了识别它，神经网络就会在过多不重要的事物上，使用过高的信息密度，这就大大增加深度神经网络的计算量。所以，我们花了很大功夫，做出了一套工具，这些工具极大地提升了迭代效率和可视化渲染效果。在数分钟内，我们可以改变我们的神经网络算法，让这个算法产生训练数据，并重新训练参数，最后给出可视化识别结果。从这里，我们可以找到，哪些字符识别失败，并及时查明原因。在这点上，我们故意将训练数据过度扭曲，这样一来，字符“$” 一开始可能被识别为“S”。但这没有关系，我们能够快速地确认这种“失误”何在，然后调整数据扭曲参数，来降低“失误率”。这就有点像，在现实生活中，我们要徒手画一副画，刚开始，我们画得可能很不像，但我们不断地修正，每次重画，都能进步一点点，最后您会看到，中途所有的不完善，都是为了画出一个完美的画面。为了达到翻译的即时性，我们也做了大量的优化工作，而且优化和反复调试的工作量很大。此外，为了改善计算性能，在某些数学运算上，也需要手工重度调优。我们充分利用SIMD（Single instruction, multiple data，单指令流多数据流），这是一种数据并行的模式，来挖掘智能多核手机的并行潜能。同时，我们还优化矩阵乘法，提高矩阵运算的局部性，使之在各级缓存（Cache）中，提高Cache的命中率。最后，如您所见，我们终于让这个基于深度神经网络的翻译系统在手机上跑起来了，而翻译的效果比老版翻译系统高出一大截，而在运行速度上，一点也不逊色于老版翻译系统。有时候，新技术看起来非常抽象，找到诸如卷积神经网络这类新技术的用武之地，并不总是那么显而易见。打破语言障碍——做一款棒棒的、多语言的即时视觉翻译系统，我想，这应是一个伟大的应用案例。原文来自：译者介绍：张玉宏，博士。2012年毕业于电子科技大学，现执教于河南工业大学。中国计算机协会（CCF）会员，ACM/IEEE会员。主要研究方向为高性能计算、生物信息学，主编有《Java从入门到精通》一书。大数据文摘精彩文章：回复【金融】
看【金融与商业】专栏历史期刊文章回复【可视化】感受技术与艺术的完美结合回复【安全】 关于泄密、黑客、攻防的新鲜案例回复【算法】 既涨知识又有趣的人和事回复【谷歌】 看其在大数据领域的举措回复【院士】 看众多院士如何讲大数据回复【隐私】 看看在大数据时代还有多少隐私回复【医疗】 查看医疗领域文章6篇回复【征信】 大数据征信专题四篇回复【大国】
“大数据国家档案”之美国等12国回复【体育】
大数据在网球、NBA等应用案例长按指纹，即可关注“大数据文摘”专注大数据，每日有分享覆盖千万读者的WeMedia联盟成员之一大数据文摘(BigDataDigest)　
　文章为作者独立观点，不代表微头条立场
的最新文章
数学家解析：人的颜值到底有多重要有了大数据，我们可以存储和分析健康档案数据来预测去看医生的可能性，或分析我们日常支出来确定最佳省钱方案，或甚至分析我们的日历去调整日程安排，变得更高效。然而，为什么我们不能用大数据预测恋爱成功或者分手的可能性呢？大数据文摘陪你过七夕:巴黎、北京、上海线下聚会邀请函麻省理工学院（MIT）正在改变这一现实：该校计算机科学与人工智能实验室（CSAIL）研发了一项新技术，让观众可以伸出手“触碰”并操控影像里的物体，就像在真实世界里一样。工业大数据产业发展联盟成立，助力我国产业生态集聚本文将主要介绍流计算的一些基础背景知识，澄清一些技术术语。随后会进入技术细节，关注时间域的内容，并对常见的数据处理方法（包括批处理和流计算）做一个高层次的总览。2016年2季度爆文精选 TOP10精选天猫双11的ApsaraDB团队核心专家罗龙九分享：云数据库十大经典案例总结与反思自五月开始，我在某种程度上变成了机器人。内置陀螺仪的自动稳定轮子代替了我的脚，iPad 的屏幕代替了我的脸……尽管迈克尔·阿蒂亚有诸多荣誉加身——菲尔茨奖和阿贝尔奖双料得主、伦敦皇家学会前主席、爱丁堡皇家学会前主席、剑桥大学三一学院前院长、受封骑士且有功绩勋位，这位英国数学“教父”最适合的头衔还是非“月老”莫属。爱因斯坦：在人类的历史上，能够结合物理实验、数学理论、机械发明成为科学艺术的人，只有一位-----那就是牛顿尺有所短，寸有所长在Indeed公司构建一个大规模机器学习管道系统时的经验总结NBA球员工会（NBPA）宣布将于7月19-21日在洛杉矶举办有史以来第一届NBPA科技峰会，让NBA球员和硅谷科技界大佬齐聚一堂，畅聊科技和商业未来。◆ ◆ ◆导读历经5年、20 亿英里航行，美国宇航局（NASA）朱诺号（Juno）探测器在今天正式飞抵木星，如果有计划成为职业投资人，大可不必在意你现在的专业，学生生涯就是需要多积累知识，扩大知识面，提高学习能力，培养独立思考意识。投资人也不是一天就炼成的，更重要的是工作中的历练、生活中的思考（大学里无投资人专业）。周末来一碗鸡血吧，今天大数据文摘推荐北京大学宣传片《摘星星的人》，在填写志愿前夕，这个关于梦想的故事属于每一个有梦想的人：不要说命由天定，其实相由心生，越努力越幸运。希望你可以摘到自己的星星。51CTO携手搜狗、百度、唯品会三位大咖，汇聚广州，从数据的应用模式中畅谈大数据如何助力用户体验。本文结合近几年情感计算的国内外研究，基于新的层面对主要研究以及最新应用进行了归纳总结，并就情感计算进行深度探究，使更多研究人员了解情感计算最新研究方向。Cloudera首席架构师就内存及云计算相关技术发表讨论，Hadoop将如何在大数据方面发挥更大价值。在Do圆，是一个有着无限可能的图形。欧洲设计奖作为欧洲的年度综合大奖，始创于2006年，每年评选欧洲每年的优秀设计作品。欧洲设计奖中的信息图表类的获奖作品都可谓数据可视化中的经典案例。大数据文摘今日推荐金银铜奖相关作品。LED灯篮板，这个发源于NBA的“高科技”早已是全世界职业联赛的标配缺乏实时数据收集的方法是商用流计算处理系统的梦魇。人工智能未来的发展有怎样的瓶颈？人工智能领域创业该如何突破？人工智能的发展又将面临怎样的伦理问题？日，多个机构联合举办的人工智能时代人机高峰论坛成功举行。大数据很忠诚，它真实记录人们的每个足迹，深藏功与名；大数据很任性，它的分析有根有据，拒绝流言蜚语；大数据很友好，它提供各种权威参考，它创造绿色经济，让我们的生活更美好。世界已经进入由数据主导的“大时代”。深度学习十分适合高度复杂场景下的自动驾驶应用，与增强学习相配合，能让从感知到执行的过程变得简单。谷歌和李世石的人机大战引爆了对人工智能的关注，也让基于深度学习的人工智能成为汽车业界关注的重点，那么深度学习在智能驾驶的应用场景下有什么帮助呢?国家体育总局棋牌运动管理中心党委书记、国际围棋联盟事务总长杨俊安4日在这里透露，如果不出意外柯洁九段将在年内进行和“阿尔法狗”的围棋“终极人机大战”。结合前4年的报告，笔者感觉，与往年相比，今年的报告显得“收敛很多”。今年的报告前三部分是“基本面”描述，包括互联网基本面、全球宏观基本面和互联网商业广告与品牌基本面。有不少科普粉留言说上周发的微信文章“时间到底是怎么弯曲的”看不懂，小编寻找其中原由，觉得应该让大家先了解时间是怎么变慢的，也就是为什么加速度越大时间会变得越慢。这一篇幅内容也是布莱恩·格林先写在《宇宙的琴弦》里边，而后再写了时空卷曲与波澜。搜狐科技为你提供了另一种可能性，我们寻找了国内外10位知名的创投领域嘉宾和150位投资人，一起坐下来聊一聊创投心得，看一看优秀的项目。这就是2016搜狐SoPlus创想会，机会有限，欲报从速。我们为什么要接受教育？
教育的目的应是什么？
在接受教育的过程中我们又应如何做？6月6日，清华大学计算机系校友、搜狗公司CEO王小川于清华人工智能论坛上做了题为《AlphaGo的幕后与思考》的演讲，论述了在Alphago人机大战背后有怎样的故事，这场大战有着怎样的意义，以及人工智能研究和产业又有怎样的碰撞。澳洲政府给喵戴上GPS追踪器，记录下喵星人夜晚的行动路线，证明给澳洲猫奴们看，然而当主人看到这些喵走过的足迹后，世界观都崩塌了……这篇文章是一个投资者对数据分析在过去25年的回顾。作者西蒙迪斯从投资者的角度讨论了数据分析的变革，认知应用的价值，以及最受风投关注的大数据核心领域。腾讯科技讯 6月10日，据英国《每日星报》报道称，意大利神经外科医生塞尔吉奥·卡纳韦罗（Sergio Canavero）博士表示，准备在德国进行世界首例换头手术。而现在看起来很厉害的AI，其实只不过是它们接受的输入，和用来计算输入值的公式比较复杂而已。本质上，还是计算→选择结果。人工智能被认为是继电力和互联网之后又一次对人类社会产生颠覆式影响的技术。美国公司的技术遥遥领先，中国公司擅长商业化、拥有数据优势，在技术上正奋力追赶假如地图有心电图，会是什么样的情景？我们将在留言中选出10位读者，你们的问题或故事将被翻译成英文，直接送至维克托面前。如果将全球人口都堆积在美国科罗拉多大峡谷，将会是怎样的情景呢？迈克尔-史蒂文斯(Michael Stevens)绘制图像发布在YouTube网站上，显示全球72亿人口仅在科罗拉多大峡谷堆积成一个788米高的小堆。通过分析Billboard年终榜单中前100首歌曲，我们可以根据每年Billboard上最流行歌曲所代表的音乐风格的份额来量化现代音乐的走向。CCF 理事长、北京大学教授高文在2016中国计算机学会青年精英大会上做了题为“如何成为优秀学者”的特邀报告。本文收录了报告的PPT，分析了我国基础研究发展态势和计算机学科总体态势，解答了如何成为优秀学者等青年学者关心的问题答案。环保主义者和科学家正在运用大数据，以帮助保护野生动物免遭灭绝。为纪念刚刚去世的人工智能创始人之一，认知科学家Marvin Minsky教授，IEEE Intelligent Systems（IS）杂志撰写In Memoriam，以各具特色的自由风格怀念这位在人工智能史上有着特殊重要地位的先驱和开拓者。人家已经开始用emoji写圣经啦，你要不要用微信表情写个故事给我？现实中大部分还是 “常规”的数据科学家。我们一组人聚在一起进行思维碰撞，我们在此对于写出稳定的代码的最佳实践进行头脑风暴。这篇文章是对这次对话的一个总结，并且试图将我们的知识收集起来，取其精华至于一处。让我们回到2010年，看看当时跟“立体快巴”一起，被美国时代周刊评选为年度50大最佳发明的，当年的那些最前沿科技。可能很多孩子会抱怨数学的枯燥无味，看不懂很多数学公式，更无从说起它的美，但是数学带来的逻辑、量化、因果概念，将是他们受用一生的礼物。大数据文摘在儿童节这天推出儿童节数学特辑，希望通过这5部电影让孩子们爱上数学，为孩子带来一个更美的数学世界。数学与爱有什么关系呢？数学能够指引我们到什么样的地方呢？可能孩子们还看不懂本文提到的数学公式,也无从说起它的美，但数学带来的逻辑、量化、因果，将是他们受用一生的礼物。大数据文摘在儿童节推出儿童节数学特辑，希望为孩子们带来一个更美的数学世界。BigDataDigest专注收集、分享大数据相关的案例、新闻，寻找志同道合的朋友合作、共赢。热门文章最新文章BigDataDigest专注收集、分享大数据相关的案例、新闻，寻找志同道合的朋友合作、共赢。