首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    【观点】腾讯的实践表明:最重要的不是大数据,而是……

    当下中国,大数据是个热词。大数据是怎样发挥价值的?关注到腾讯近日发布的大数据报告《95后迷之隐私观大揭秘》,记者走进位于深圳的腾讯总部,走进那些让数据“活”起来的人。记者在这里却看到,人与人交流的传统调研模式,不仅没有被所谓大数据掩埋,反而在大数据时代,被一个个数据又激发出来。 大数据给不出解释 搞大数据研发,不就是坐在实验室、电脑前,整天对着数字噼里啪啦地运算? 可腾讯公司用户与市场研究中心调研员韩娜,更多地是奔波在见调研对象的路上。 韩娜讲了一个对于她来说“家常”的故事。 一年冬天,她从南方的深圳赶

    011

    实用!——你有搞清楚自己的客户数据吗?

    两则轶事 前几天跟一位自媒体搞的不错的朋友聊天,这位朋友近期不太活跃了,用他的话讲:没啥好玩的了,粉丝已经有几万,粉丝发他的消息都懒得看。 炭岩建议他,应该多跟粉丝互动,每次的互动都要有主题,还要将积极参与的粉丝遴选出来,留作以后的进一步发展。至于发展什么,那不一定的,得看自媒体玩家的意志倾向。 自媒体,一样要管理粉丝关系。通过管理和细致入微的互动开发,能带来意想不到的正向收益。最麻烦的倒是刚玩自媒体时热情很高,时刻关注粉丝数字,过一段热情就消失了。这样的做法只是追求一种虚拟体验,如果只是玩,还不如注册个

    07

    【观点】智能的过去和未来,谢耘演讲实录

    在日前的中关村创业讲坛上,神州数码首席科学家谢耘对人工智能进行了主题演讲;在演讲时,谢耘分享了人工智能研究的几个阶段,并表示,随着让计算机运算的速度越算越快,IT产业迎来了第二个关键性的转变,“就是在让计算机越算越快的道路上又出现了一个重大的转折--今天基础技术平台在绝大多数的情况下足够富裕了,不再成为应用的瓶颈。 谢耘认为,在1956年,一群来自于神经学、逻辑学、数学计算机等的牛人,在美国开了两轮会提出了人工智能的概念,这是人工智能研究的标志性时间;随后一直 到上世纪八十年代,科学家们一直认为模拟人的

    06

    独家专访 | 微软郑宇:这个时代不缺数据,缺得是不够开放的思维

    大数据文摘作品,转载要求见文末 作者 | 邓旭川 魏子敏 *本文为清华数据科学研究院联合大数据文摘发起的《数据团队建设全景报告》系列专访的第二篇内容。 “数据分析师与数据科学家的区别 就像本科与博士做研究一样:本科生是老师手把手教题目,而博士生是自己找题目。” 作为人群聚集区,城市是一个天然的数据集中池。 社交媒体、交通流量、气象、地理等多种大数据都在这里汇聚,物联网、传感器的发展,也让这些数据得以被追踪存储。当这些时空数据集被组合起来,并与人工智能结合,这似乎是一条解决交通拥堵、环境恶化、能耗增加等城市问

    06

    企业大数据如何起步:从小数据到大数据

    目前国内外关于大数据的谈论很多,大多是谈运营级别的,或者说从服务端、服务方提得较多一些。笔者要跟大家交流的问题是作为各类企业尤其是客户方的企业来说,大数据跟他们有什么关系,或者说作为企业方怎样去参与,这是企业方现在面临的最大问题。 这个问题的答案重点在于大数据应该从小数据开始。因为现在很多企业面临的最大问题不是怎么用大数据,而是内部的一些小数据整合出现问题,或者小数据都没用好的情况下怎么用大数据。大数据应该是从小数据逐渐演变上去的,是一个正常的生态,而不是瞬间变化的。大数据这个概念跟自媒体的概念类似,需要企

    011

    大数据时代,每家公司都要有大数据部门吗?

    文 | 桑文锋 很多大数据创业公司提供的服务,似乎企业自己也能实现,那何不干脆自己做?结论也不能下得太武断。 如果这个问题换做是:在电气时代,每家公司都要有个发电厂吗?是不是会更好回答一些? 事实上每一种重大技术的出现,都会对产业产生大的变化。在蒸汽时代,采矿机采用蒸汽机后,会带来生产效率的极大提升,而轮船加上蒸汽机,再也不需要靠风才能航海了。在电气时代,电灯代替了蜡烛,电报代替了快马送信,而报纸也被广播和电视所侵蚀。 可以说是现有产业加上新技术,形成了新产业。 我们回过头来看这两次工业革命,生产蒸

    06

    2018最火的AI丶云计算丶大数据丶物联网丶量子计算五大热门之间的关系

    AI是生产力丶云计算是生产关系丶大数据是生产资料丶物联网是自然环境丶量子计算是催化剂。 AI(人工智能)依赖于算法和数据。算法是给出一个好的方法去运算,就是通过机械运算,让机器学会思考和学习,这是学习的过程就需要数据;这里数据越多机器学习越深越全面,这里就需要庞大的数据做支撑去学习,学习的过程,就需要不同的算法去优化。 比如:阿尔法学习围棋,首先它需要庞大的数据供它学习,大量的残局学习,当遇到这种残局是应该怎么做,阿尔法就是通过长时间的机器学习。但是如果马上就阿尔法去下象棋,可能它完全就不会下了,因为它没有

    010
    领券