至顶网软件频道消息:11月20日,JDD-2018 京东数字科技全球探索者大会在中国国际展览中心新馆隆重召开,总奖金达到 220 万元的 JDD 大赛也于当天正式启动。
作为全球首个聚焦 AI 和大数据在金融行业应用的科技大会,JDD 大会自去年举办以来就备受关注。而与去年同步启动的首届「JDD-2017 京东金融全球数据探索者大赛吸引了全球 4691 个团队的参与,通过场景、数据与技术的结合,极大的推动了人工智能在金融领域的应用。
今年以来,京东金融的业务边界不断拓展。在继续做强金融科技之外,于今年 2 月成立城市计算事业部,正式开创智能城市这一全新业务板块;于今年 7 月发布京东智能巡检机器人,正式进军专业级服务机器人市场;此外,去年 JDD 大赛备受关注的「猪脸识别」赛题也已实现应用转化。
伴随着今年新一届 JDD-2018 京东数字科技全球探索者大会的召开,JDD-2018 京东数字科技全球探索者大赛也正式启动。与去年不同的是,JDD-2018 设置了两道赛题,中国内地、中国香港、美国和以色列四大赛区。在选拔赛中,每个赛区独立排名比赛,评出两个赛题冠军。而后,四个赛区共 8 个赛题冠军进入全球总决赛。8 支队伍将在中国北京京东大厦参加 24 小时线下极限挑战,在导师指导下同场竞技,最终决出每道赛题的全球总冠军。
大赛亮点
致力于成为连接技术精英与产业界的桥梁,JDD-2018 京东数字科技全球探索者大赛以真实应用场景设计赛题,并邀请顶级 AI 与数据专家、产业界领军人物、知名投资人担任专业导师和评委,旨在通过数字科技能力解决行业真实痛点。除此之外,JDD-2018 京东数字科技全球探索者大赛还有诸多亮点:
一、220 万高额奖金
此届大赛奖金金额高达 220 万,其中总决赛冠军每名 50 万(2 名),总决赛二等奖每名 20 万(每个赛题 3 名,共 6 名)。此外,获奖者还将获得京东数科技术岗直通终面资格(一年内有效)。
2017 京东金融全球数据探索者大赛获胜团队
二、两大真实场景赛题
结合京东数字科技的真实应用场景,此届大赛设置了两大赛题:
1. 人口动态普查与预测
此道赛题数据均为模拟数据。本赛题要求参赛者利用几个城市的移动通信设备用户数历史变动情况,各区县之间的用户转移情况,以及各个区县内移动通信设备的用户占比等模拟数据,合理建立预测模型,对上述城市各个区县未来 15 天的总人口变化情况进行动态预测。
2. 自动驾驶地图优化与传感器融合
大赛提供多个传感器数据作为数据源,同时提供具有误差的激光雷达地图信息(竞赛模拟地图),参赛选手在此基础上首先对激光雷达地图进行修正与优化,并利用修正后的地图信息实现激光雷达的实时定位和开发多传感器数据融合算法。
三、四大赛区同步竞技
JDD-2018 京东数字科技全球探索者大赛在全球共设置了中国内地、中国香港、美国和以色列四大赛区,从 11 月 20 日起开始接受报名,之后每个赛区两大赛题共选拔出十组进去赛区决赛,赛区决赛阶段通过线上机器评选出两组(每道赛题一组)进入全球总决赛,最后全球总决赛的八强同场竞技,争夺两道赛题的冠军。
官网及报名地址:https://jdder.jd.com/act/JDD2018Meeting
好文章,需要你的鼓励
新创公司Germ为Bluesky社交网络推出端到端加密消息服务,为用户提供比现有私信更安全的聊天选项。经过两年开发,该服务本周进入测试阶段,计划逐步扩大测试用户规模。Germ采用新兴技术如消息层安全协议和AT协议,无需手机号码即可实现安全通信。用户可通过"魔法链接"快速开始聊天,利用苹果App Clips技术无需下载完整应用。
这项研究由哈佛大学团队开发的创新框架,解决了多机构数据共享的核心难题。他们巧妙结合联邦学习、局部差分隐私和公平性约束,使不同机构能在保护数据隐私的同时协作开发更准确、更公平的决策模型。实验证明,该方法在多个真实数据集上既保障了隐私,又显著提升了模型公平性,为医疗、金融和政府等领域的数据协作提供了实用解决方案。
高通公司宣布正在与领先的超大规模云服务商进行深度合作谈判,开发专用于数据中心的CPU产品。CEO阿蒙表示,公司正在开发通用CPU和推理集群产品,预计2028财年开始产生收入。同时,高通面临三星在高端智能手机市场的竞争压力,三星计划在2026年推出采用2纳米工艺的新款Exynos处理器。高通Q3财报显示营收增长10%至103.5亿美元,净利润增长25%。
Meta AI研究团队开发的ALOHA系统是一种低成本开源的双臂机器人远程操作平台,旨在使机器人学习更加民主化和普及化。该系统结合了价格亲民的硬件设计和先进的行为克隆学习算法,使机器人能够从人类示范中学习复杂技能。研究表明,ALOHA系统展示了强大的泛化能力,能够在新环境中应用所学技能,如打开不同类型的瓶子。系统的开源性质鼓励全球研究者参与并推动机器人学习领域的发展,尽管仍面临成本和精确力控制等挑战。