


成都大学は、個人の好みや生活習慣に基づいて、新入生にマッチングするルームメイトを推奨するアルゴリズムを使用しています。ネチズン:全国的に宣伝することをお勧めします
Produced by Big Data Digest
9月学期が始まり、大学は新たな人材を迎えようとしています。
学校に入学する際の注意点として、必ず挙げなければならないのは、良いルームメイトが得られるように天と地に祈ることです。
自分と生活習慣が合わないルームメイトと暮らすことは、非常に拷問であると言えます。たとえば、誰もが多かれ少なかれ、同様の事件を聞いたり経験したことがあります。
現在、大学にはルームメイトが 6 人いますが、そのうち一人っ子は 1 人だけです (差別を意図したものではありません)。彼女の両親は彼女をとても甘やかしています。毎日送り迎えしてくれます。また、彼女は大声で話すのが好きで、他の人が寝ているときでも電話で話し続けます。彼女はよく眠っており、音を出すことができません。音を立てると、彼女は他人を罵ります。
#良いルームメイトが良い大学生活の標準であると言っても過言ではありません。 同じ生活習慣や学習習慣を持つ人々が一緒に暮らすことを可能にする方法はありますか? 最近、成都大学は、「ビッグデータ アルゴリズム レコメンデーション」を使用して新入生のルームメイトをマッチングするサービスを開始しました。新入生はアンケートに記入するだけで、寮と適切なルームメイトが自動的に割り当てられます。 これについて、同校学生寮管理センターの担当者によると、このような「ビッグデータ住宅選定」は2020年から計画されており、今年から正式に実施される予定だという。ルーム選択システムは、同じクラスの学生、次に同じ専攻の学生、次に同じ大学の学生を優先する方法で推薦を行い、正確に 3 人のルームメイトを推薦します。 アンケート全体は合計 8 つの質問からなり、各大学の教師や学生からの意見を収集して一部を選択して作成され、今後最適化されます。 ルームメイトを慎重にマッチングします。事前にベッドを選択することもできます。 成都大学のオリエンテーション システムには 2 つのモードがあります。自動ルーム選択です。および手動の部屋選択 部屋を選択します。 自動部屋選択では、「ビッグデータ」を使用してルームメイトを自動的にマッチングします。手動の部屋選択には、建物の選択、部屋の選択、ベッドの選択という 3 つのステップが含まれます。選択後、[送信する] をクリックしてください。 部屋の自動選択を選択した後、学生はアンケートの 8 つの質問に答える必要があります。各質問には、「あなたの社会的地位」という質問の下にあるように、正反対の 2 つの選択肢があります。雄牛タイプ」と「対人恐怖タイプ」です。 システムは、ドリアン、カタツムリヌードル、その他の食べ物の匂いを受け入れることができるかどうかも生徒に尋ねます。ネチズン: 全国的に宣伝することをお勧めします
このような人間味あふれる新入生サービスは、多くの反響を呼んでいます。オンラインでの議論の様子。 ネットユーザーは一般的に成都大学のこのサービスを羨望の気持ちを表しており、特に仕事と休憩の一貫性、そしてエアコンの使用は多くの衝突を本当に減らすでしょう。それ、ああ。######################しかし一部のネチズンは、なぜ他の学校がこれを行わなかったのかを反省する必要があると指摘しました。 Zhihuユーザーの@CosmoWarGodGuo Fengxiao氏は、この背景には生徒が学校の主体ではないことが挙げられ、生徒の憂鬱な状態が続いているため、「学校がランダムに割り当てる方法を採用するのはやむを得ない」と指摘した。寮。」
「アルゴリズムのマッチングは、学校の特定の教師の単なる気まぐれかもしれないし、学校全体の態度を表すものではありません。生徒たちは彼に感謝するでしょうが、学校は彼にそれ以上のボーナスを支払うつもりはありません。」
Zhihu ユーザーの @runzhujiaixing さんは、ビッグ データには大量のデータ サンプルが必要だと述べています。たとえば、寮の人々は 4 年間でこれらに対してどのような反応を示しますか? 答えは何ですか? 10万寮を調査してサンプルセットを作成し、学習により寮サンプル満足度モデルを取得し、新入生の回答を入力してマッチングすることで、満足度をサンプル学習しました。ビッグデータを実現できます。
リンク: https://www.zhihu.com/question/549749054/answer/2651254803以上が成都大学は、個人の好みや生活習慣に基づいて、新入生にマッチングするルームメイトを推奨するアルゴリズムを使用しています。ネチズン:全国的に宣伝することをお勧めしますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









上記および筆者の個人的な理解: 現在、自動運転システム全体において、認識モジュールが重要な役割を果たしている。道路を走行する自動運転車は、認識モジュールを通じてのみ正確な認識結果を得ることができる。下流の規制および制御モジュール自動運転システムでは、タイムリーかつ正確な判断と行動決定が行われます。現在、自動運転機能を備えた自動車には通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなどのさまざまなデータ情報センサーが搭載されており、さまざまなモダリティで情報を収集して正確な認識タスクを実現しています。純粋な視覚に基づく BEV 認識アルゴリズムは、ハードウェア コストが低く導入が容易であるため、業界で好まれており、その出力結果はさまざまな下流タスクに簡単に適用できます。

C++ の機械学習アルゴリズムが直面する一般的な課題には、メモリ管理、マルチスレッド、パフォーマンスの最適化、保守性などがあります。解決策には、スマート ポインター、最新のスレッド ライブラリ、SIMD 命令、サードパーティ ライブラリの使用、コーディング スタイル ガイドラインの遵守、自動化ツールの使用が含まれます。実践的な事例では、Eigen ライブラリを使用して線形回帰アルゴリズムを実装し、メモリを効果的に管理し、高性能の行列演算を使用する方法を示します。

C++sort 関数の最下層はマージ ソートを使用し、その複雑さは O(nlogn) で、クイック ソート、ヒープ ソート、安定したソートなど、さまざまなソート アルゴリズムの選択肢を提供します。

人工知能 (AI) と法執行機関の融合により、犯罪の予防と検出の新たな可能性が開かれます。人工知能の予測機能は、犯罪行為を予測するためにCrimeGPT (犯罪予測技術) などのシステムで広く使用されています。この記事では、犯罪予測における人工知能の可能性、その現在の応用、人工知能が直面する課題、およびこの技術の倫理的影響について考察します。人工知能と犯罪予測: 基本 CrimeGPT は、機械学習アルゴリズムを使用して大規模なデータセットを分析し、犯罪がいつどこで発生する可能性があるかを予測できるパターンを特定します。これらのデータセットには、過去の犯罪統計、人口統計情報、経済指標、気象パターンなどが含まれます。人間のアナリストが見逃す可能性のある傾向を特定することで、人工知能は法執行機関に力を与えることができます

01 今後の概要 現時点では、検出効率と検出結果の適切なバランスを実現することが困難です。我々は、光学リモートセンシング画像におけるターゲット検出ネットワークの効果を向上させるために、多層特徴ピラミッド、マルチ検出ヘッド戦略、およびハイブリッドアテンションモジュールを使用して、高解像度光学リモートセンシング画像におけるターゲット検出のための強化されたYOLOv5アルゴリズムを開発しました。 SIMD データセットによると、新しいアルゴリズムの mAP は YOLOv5 より 2.2%、YOLOX より 8.48% 優れており、検出結果と速度のバランスがより優れています。 02 背景と動機 リモート センシング技術の急速な発展に伴い、航空機、自動車、建物など、地表上の多くの物体を記述するために高解像度の光学式リモート センシング画像が使用されています。リモートセンシング画像の判読における物体検出

1. マルチモーダル大型モデルの発展の歴史 上の写真は、1956 年に米国のダートマス大学で開催された最初の人工知能ワークショップです。このカンファレンスが人工知能開発の始まりとも考えられています。記号論理学の先駆者たち(前列中央の神経生物学者ピーター・ミルナーを除く)。しかし、この記号論理理論は長い間実現できず、1980 年代と 1990 年代に最初の AI の冬の到来さえもたらしました。最近の大規模な言語モデルが実装されて初めて、ニューラル ネットワークが実際にこの論理的思考を担っていることがわかりました。神経生物学者ピーター ミルナーの研究は、その後の人工ニューラル ネットワークの開発に影響を与えました。彼が参加に招待されたのはこのためです。このプロジェクトでは。

1. 58 Portraits プラットフォーム構築の背景 まず、58 Portraits プラットフォーム構築の背景についてお話ししたいと思います。 1. 従来のプロファイリング プラットフォームの従来の考え方ではもはや十分ではありません。ユーザー プロファイリング プラットフォームを構築するには、複数のビジネス分野からのデータを統合して、ユーザーの行動や関心を理解するためのデータ マイニングも必要です。最後に、ユーザー プロファイル データを効率的に保存、クエリ、共有し、プロファイル サービスを提供するためのデータ プラットフォーム機能も必要です。自社構築のビジネス プロファイリング プラットフォームとミドルオフィス プロファイリング プラットフォームの主な違いは、自社構築のプロファイリング プラットフォームは単一のビジネス ラインにサービスを提供し、オンデマンドでカスタマイズできることです。ミッドオフィス プラットフォームは複数のビジネス ラインにサービスを提供し、複雑な機能を備えていることです。モデリングを提供し、より一般的な機能を提供します。 2.58 中間プラットフォームのポートレート構築の背景のユーザーのポートレート 58

上記と著者の個人的な理解は、自動運転システムにおいて、認識タスクは自動運転システム全体の重要な要素であるということです。認識タスクの主な目的は、自動運転車が道路を走行する車両、路側の歩行者、運転中に遭遇する障害物、道路上の交通標識などの周囲の環境要素を理解して認識できるようにすることで、それによって下流のシステムを支援できるようにすることです。モジュール 正しく合理的な決定と行動を行います。自動運転機能を備えた車両には、通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなど、さまざまな種類の情報収集センサーが装備されており、自動運転車が正確に認識し、認識できるようにします。周囲の環境要素を理解することで、自動運転車が自動運転中に正しい判断を下せるようになります。頭
