3月20日，2017“云+视界”大会在北京召开，聚焦视频、直播行业的“新洞察、新趋势、新格局”，集结视频、直播行业的一众行业巨擘。文化部市场司副司长马峰、人民日报总经理叶蓁蓁、腾讯集团高级执行副总裁汤道生、腾讯公司副总裁腾讯云负责人邱跃鹏、腾讯音视频实验室总经理刘晓宇等500余位来自视频、直播、广电

手机端运行卷积神经网络的一次实践 — 基于 TensorFlow 和 OpenCV 实现文档检测功能 1. 前言 本文不是神经网络或机器学习的入门教学，而是通过一个真实的产品案例，展示了在手机客户端上运行一个神经网络的关键技术点 在卷积神经网络适用的领域里，已经出现了一些很经典的图像分类网络，比如

“超9成受访者认为人工智能会对自己的工作生活产生影响。”3月2日上午，一项由中央电视台财经频道《中国经济生活大调查》联合腾讯社会研究中心发布的AI公众认知调查呈现出上述结论。AI的异军突起，是否真的提升了我们日常生活的幸福感？来自微软、IBM、腾讯的科技大咖如何看待人工智能？无人驾驶距离我们有多远？

​ 文/叶剑霞、刘金松 2016年“两会”即将拉开帷幕，来自各地的代表委员又将相聚北京共商国是。在民生、改革等诸多议题中，涉及互联网所占的比重越来越大。尤其是在去年国家推出互联网+行动计划后，互联网不再是一个相对独立的领域，它对社会、经济、生活、文化等各个方面产生了非常深远的影响。 在我国经济放缓、

​ 张 江 集智俱乐部创始人 北京师范大学副教授 不久前，《未来简史》的中文版刚面世，一时洛阳纸贵。此书的英文版在2016年一经推出就引起了巨大的轰动。这不仅是因为该书的作者尤瓦尔.赫拉利因为当年的畅销书《人类简史》而一炮走红，本质的原因是这本书提出了一系列令人匪夷所思、难以接受的观点。比如，书中指

司晓 腾讯研究院院长 腾讯研究院是腾讯专门成立的社会科学研究机构，自成立以来，团队一直在思考一个问题，如何更好地搭建开放合作的研究平台，汇集各界专家的智慧，探讨解决互联网产业发展过程中的焦点问题，分享腾讯公司在社交网络、数字内容产业、大数据、云计算以及互联网金融等方面的能力与优势，以互联网的思维与视

ncnn项目简介 ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn 从设计之初深刻考虑手机端的部属和使用。无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。基于 ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行，开发出人工智能 APP，将 AI

首先，什么是策略产品。举几个策略产品例子：搜索、推荐、反作弊、广告。策略产品专注于“策略”，将已有的数据/资源，通过具体策略转换成服务提供给用户使用。由于笔者经历主要是搜索排序类产品，因此本文的一些经验也是基于搜索排序类产品，如有不通之处，欢迎批评指出。 策略产品经理通用的工作流程：需求挖掘→策略设

最近婚讯不少，大众点评和美团在一起了，晓明和baby在一起了。 小编忍不住也要来凑个热闹，今年的WE大会也要好事成双！一天两场活动，让你们从早玩到晚！ 创新场+探索场 烧脑8小时，hold得住？ 上午创新场——8个先锋项目，国际创新团队同台PK。 下午探索场——10位思想大家，前沿科技跨界分享。 大

未来是什么样？或许我们每个人都曾问过这样的问题。但就像腾讯公司首席探索官（CXO）David Wallerstein在WE大会上说的一样，对未来的预测非常困难，因为技术变革、人口增长等很多因素都可以影响人类的未来。 请将思绪向前调整一下：500年前的人是否能想到，如今的人类可以随意在天空中遨游？10

腾讯主要创始人 陈一丹 技术发展不断改变人们的消费结构。互联网的迅猛发展，也改变了人们对内容的消费模式和习惯，使得数字内容产业迅猛发展起来。在中国，2016年，包括文学、音乐、视频、广告、游戏、直播等在内的数字内容产业市场规模为3820亿元。随着用户付费意愿的增强和付费习惯的养成，中国数字内容产业未

​ 4月26日，2017中国网络版权保护大会在京举行，腾讯主要创始人陈一丹先生出席大会并发表**《把握未来，对中国互联网内容产业发展的思考》**的主题演讲。以下为其演讲实录： 各位嘉宾早上好。在2014年秋到2015年春，我到斯坦福大学法学院做了大半年的访问学者，观察和思考美国的互联网产业和知识产权

编译：机器之心 近年，从围棋到人类水平的语音识别，人工智能（AI）研究者终于在他们几十年一直努力探索的领域取得了突破。取得突破进展的关键一点是研究者们可以收集巨量的数据并“学习”这些数据，从而将错误率降低到可接受范围以内。 简而言之，大数据大为改观了人工智能的发展，将其推到一个几乎难以置信的高度。

作者 ：sileng 前言 近年来，机器学习领域取得了突破性的发展，越来越多的应用场景受益于此，也取得突破。机器学习善于解决重复性，有规律的的问题，而运维的某些业务场景也恰是被枯燥的、重复性的工作所堆积。为此作者尝试使用机器学习的方法来解决运维场景下的某些问题，记录此文。 机器学习与平时编程解决问题

在内容爆炸性增长的今天，个性化推荐发挥着越来越重要的作用，如何在海量的数据中帮助用户找到感兴趣的物品，成为大数据领域极具挑战性的一项工作；另一方面，深度学习已经被证明在图像处理，计算机视觉，自然语言处理等领域都取得了不俗的效果，但在个性化推荐领域，工程应用仍然相对空白。 本文是深度学习在个性化推荐实