至顶网软件频道消息: 10月31日,2017 Informatica数据管理高峰论坛在上海隆重召开。本次技术盛会以"智胜数据 颠覆未来"为主题,由 Informatica、至顶网和锦囊专家联合主办。Informatica亚太区高层与300多位客户及合作伙伴共聚一堂,回顾Informatica在中国的十年历程与辉煌成就、解读云数据管理全新战略方向、分享成功案例与最佳实践。Informatica还在峰会现场首次在亚太区为客户颁发 "2017年度卓越客户奖",与客户携手共进,共赢未来。
2017 Informatica数据管理高峰论坛隆重召开
Informatica高层深入解读云数据管理战略
"对于Informatica中国而言,2017年是非常重要的一年--Informatica进入中国市场已经整整十年。这十年里,Informatica不忘初心,专注于数据管理领域,帮助上千家中国企业实现以数据为驱动的数字化变革。"Informatica大中国区总经理王晨杰在大会欢迎致辞中说到,"之所以说2017年重要,因为这是Informatica中国承上启下、继往开来的一年,Informatica 全球在5月发布了公司全新品牌标识,同时将企业战略从原来的ETL工具提供商提升为云数据管理领导者。"
过去十年数据爆炸性增长、数据价值不断被发现以及挖掘。Informatica的发展战略从单一的ETL工具提升为云数据管理解决方案、满足客户创新需求的领先服务供应商,这是Informatica契合当下IT发展趋势的重要决策。
Informatica亚太和日本区资深副总裁Murray Sargant先生接受媒体专访时表示:"Informatica云数据管理领导者这一战略包含产品、解决方案以及支撑产品和解决方案的智能数据平台,这款数据平台也是业界唯一一款面向数据管理和数据驱动式数字化转型的端到端平台。展望未来,我十分期待为中国市场提供更多的支持,和那些与Informatica携手同行的卓越合作伙伴一起为上千家中国客户提供更佳的支持,持续助力中国客户不断创新,发现新的发展机遇,帮助中国客户全面了解数据对业务的重要性。"
Informatica亚太和日本区资深副总裁Murray Sargant先生发表主题演讲
从云、大数据、人工智能到数字化转型,做好数据管理引发全场共鸣
本届峰会共邀请演讲嘉宾20余位,设置3场专题论坛和4场圆桌对话,与会嘉宾分别就大数据与智能应用、云数据管理、数字化转型与创新等热点话题展开深度讨论。演讲嘉宾既包括Informatica、Cloudera、Tableau、AWS等全球知名公司技术专家和行业顾问,还包括来自国家电网、新东方、博世、太平人寿、美敦力、泉峰集团、安盛天平、趋势科技等两岸三地卓越的数据实践企业技术管理者。
现场精彩的演讲和互动对话,频频引发全场共鸣和热烈讨论。大家一致认为,在数字经济高速发展、数据量爆炸式增长的今天,大数据正以革命性的态势改变人们的工作、生活甚至思维方式。数字化转型带来了新的商业模式、流程、用户、应用和基础设施,而数据是数字化转型的基础,企业只有管理和利用好数据才能拥有未来。
携手共赢,Informatica首次在亚太区为卓越客户颁奖
Informatica在峰会现场为7家大中国区客户颁发 "2017年度卓越客户奖",旨在与客户携手共进,共赢未来。获奖客户企业是:国家开发银行、博世汽车部件(苏州)有限公司、国泰航空公司、无限极(中国)有限公司、中国信托银行、泉峰集团、中信建投证券股份有限公司。
Informatica为客户颁发"2017年度卓越客户奖"
值得一提的是,这是Informatica首次在亚太地区为客户颁发奖项。此前,这类奖项均是由Informatica总部在全球范围内进行评选与颁发。今年首次在亚太区进行奖项颁发,其对亚太区域,尤其是中国市场的重视程度,可见一斑。
于此同时,Informatica还颁发了"2017年度卓越合作伙伴奖",与众多合作伙伴一起共建共赢生态圈。两个奖项的颁发,既体现了Informaitca对中国客户的重视,更表明了Informaitca携手合作伙伴助力中国企业释放数据价值的决心。数据的时代已经到来,Informatica 作为企业云数据管理领导者,将帮助更多企业释放数据的强大潜能,携手合作伙伴加速创新。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。