清华博士的模型信仰——对话阿里云 MVP陈旸

2023-11-04 10:20

本文主要是介绍清华博士的模型信仰——对话阿里云 MVP陈旸,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

云栖号资讯:【点击查看更多行业资讯】 在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

  • 简介: 陈旸是典型的天才学霸。10岁开始编程,亚洲奖、国奖拿到手软;创业做新媒体,服务世界500强;线上付费授课,购买数近30000次;业余做自媒体,积累数百万粉丝……我们的沟通单刀直入、毫无赘述,Using Data to Solve Problems 是他的价值观,也是他的生活方式。

以下是陈旸的专访内容,推荐阅读(约3分钟)。

 

用数据解决问题是核心理念

不论学习、工作还是生活,我解决问题的方式始终以自己的价值观为导向。“Using data to solve problems”是我的信仰。我喜欢跳出个人角色,从外部视角去看待问题,寻找规律,然后给出答案。

比如从技术工作角度出发,解决问题取决于面向的用户画像,是技术人还是企业人。技术人更关心轮子是什么,使用怎样的框架和模型等,即“Using data”的部分。而企业人则更关心端到端的应用场景和可能出现的问题,即“Solving problems”,他们或许不懂技术,但懂需求。技术对他们来说就是黑盒子,实现过程并不重要。这个时候就需要从影响的维度去思考问题,需求是预测行为还是改进产品等。

在学习这件事上,要面向需求和场景进行选择。每年有大量的优秀模型产生,不能单纯为了学习而学习,而要挑选好轮子,通过代码实现,发挥模型的更大价值。

 

 

 

模型塑造商业价值,管理方案降本增效

2009年微博刚推出的时候我就在玩了,当时我还在清华读书,注册了2000个微博账号。首先研究内容规律,研究好内容是如何产生的。2010年写脚本抓取微博热门内容,然后让账号自动发,并打好标签分类存储到一个内容库里。接着研究运营规律,比如我固定的账号发某个明星的相关内容,并关注该明星后援会的粉丝,有一定的概率回粉。每天账号发300次微博,至少新增50个粉丝,这些都是通过机器自动化得到的。后来我又写程序加条件,比如只关注活跃粉丝,或本身有一定影响力的小V等。按这个模式运行了一段时间,平均每天新增25000粉丝左右,都是质量不错的真粉。最后是活动规律,我举办了100多次明星相关的转发抽奖活动,积累了第一批粉丝。

我们现在在做的自媒体有女性瘦身、服饰搭配等内容,还有“每天学点经济学”“每天学点心理学”。通过这样自动化的方式,获得了商业价值的持续性增长。

目前来说,管理并不是我的强项,我的角色主要是从公司角度考虑如何降本增效,即降低固定成本和提升弹性空间上限。时刻关注行业变化,判断行业发展是否符合规律;除此之外,重视开源。商业企业推广开源的原因是降低技术人使用的成本,降低自己维护的成本,大家一起来使用并改进你的工具。以前软件售卖方式统一,不论用户是谁都是一个价格,现在逐渐考虑需求分层。不同的用户对产品需求度和使用频率不同,那就应该实行不同的收费方式。潜在用户只是先了解一下,则没什么收费的必要,轻度中度重度使用用户则递增;而有些人可能会成为未来某些商业目标的用户,那就可以先培养这一批人的使用习惯。针对不同需求层面提升天花板,就是增效的一种体现。

 

立足核心优势,发挥最大价值

说说我对AI的理解。我从1995年开始学习编程,我认为编程=算法+数据结构,同理,AI=深度学习算法+大数据,顺延到这个时代的update而已。大数据框架可以解决量级增长数据的问题,现在的处理也不再用传统方式,而是深度模型的相关算法,AI屏蔽了中间的环节,我对AI的定义也符合“Using data to solve problems”,所以自己也自然选择了这个方向。

创业做了新媒体,因为媒体是最容易受到技术影响的行业。媒体技术变革与技术趋势始终一致,比如淘宝的“猜你喜欢”。先从传媒行业开始,再逐渐深入到传统行业的变革等。

创业8年从事企业服务,25年编程比赛经验,拿过奖也踩过坑,逐渐形成了符合自己特质的价值观。作为管理者来说,懂一些技术,也了解一点企业。遇到困难的时候我会听纯音乐,闭眼想象自己做演讲、给大家分享经历的场景,当认清受挫是必经之路,就觉得这些都微不足道。

我不认为自己算是成功的,失败的案例倒是可以分享。当初自己投了200多万想要做鹿班这样的产品,结果没成功,现在还在赚钱还贷款。当初的创业热潮吸引了不计其数的企业和创业者,而存活甚微。链条太长和能力以外的决定,务必谨慎。

当遇到瓶颈,不妨换个维度思考。还是建议创业者不要轻易跨界,做自己擅长的事情,链条越短越好。其实很多创业者每天都是战战兢兢、如履薄冰,当然有些人天生就是企业家,适合自己的才是最好的。专注并发挥自己的核心价值很重要,比如让我去谈客户搞关系的话,就发挥不出我自己的价值。找准自己定位,未来一定可期。

他是陈旸,是IEEE Member、ACM Member、CCF数据库专委,更是阿里云 MVP。

 

 

我要成为阿里云 MVP

【云栖号在线课堂】每天都有产品技术专家分享! 课程地址:https://yqh.aliyun.com/live 立即加入社群,与专家面对面,及时了解课程最新动态! 【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

上云就看云栖号:更多云资讯,上云案例,最佳实践,产品入门,访问:https://yqh.aliyun.com/

本文为阿里云原创内容,未经允许不得转载。

这篇关于清华博士的模型信仰——对话阿里云 MVP陈旸的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/345115

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者