阿里云RPA（机器人流程自动化）干货系列之二：认识RPA（下）
导读：本文是阿里云RPA（机器人流程自动化）干货系列之二，主要介绍了RPA的发展齐纳经和主要使用场景有哪些，目前国内外主流的RPA厂商以及RPA的未来在哪。
一、RPA的发展前景
根据Gartner的最新研究，2018年全球机器人流程自动化（RPA）软件的开支预计将达到6.8亿美元，同比增长57％，到2022年支出达到24亿美元。
带你读《无人机网络与通信》之一：无人机系统概述
本书针对无人机系统两个关键问题—通信组网和管控体系做了比较全面和深入的描述和探讨，特别是以大量笔墨分析了现有无线通信解决方案，对比了不同通信协议，得出了很有价值的研究结论。无人机的跨越式发展将涉及公共安全管理的问题，构建管控体系是当务之急，分级管理以及制定相应的适航标准是一件大事情，本书对此也进行了系统的、建设性的讨论。未来，高档无人机和无人机集群将对环境具有更强的感知能力和自适应能力，还有对任务的自规划和学习、调整能力，本书讨论的内容将为它们的发明、部署和监督提供宝贵的信息。
DL：深度学习(神经网络)的简介、基础知识(神经元/感知机、训练策略、预测原理)、算法分类、经典案例应用之详细攻略
深度学习（Deep Learning, DL）或阶层学习（hierarchical learning）是机器学习的技术和研究领域之一，通过建立具有阶层结构的人工神经网络（Artifitial Neural Networks, ANNs），在计算系统中实现人工智能 。由于阶层ANN能够对输入信息进行逐层提取和筛选，因此深度学习具有表征学习（representation learning）能力 ，可以实现端到端的监督学习和非监督学习 。此外，深度学习也可参与构建强化学习（reinforcement learning）系统，形成深度强化学习 。
阿里云机器学习 PAI 年度发布：持续锻造云原生的 AI 工程平台
刚刚结束的 2022 云栖大会上，阿里云机器学习平台 PAI 发布了在开发者服务、企业级能力、工程性能优化三个方向的一系列新特性和功能。从支撑达摩院上云，到服务金融、汽车、互联网、制造等多个行业的创新实践，机器学习 PAI 不断夯实云原生的 AI 工程平台能力。
史上最全 | 基于深度学习的3D分割综述（RGB-D/点云/体素/多目）（上）
3D目标分割是计算机视觉中的一个基本且具有挑战性的问题，在自动驾驶、机器人、增强现实和医学图像分析等领域有着广泛的应用。它受到了计算机视觉、图形和机器学习社区的极大关注。传统上，3D分割是用人工设计的特征和工程方法进行的，这些方法精度较差，也无法推广到大规模数据上。在2D计算机视觉巨大成功的推动下，深度学习技术最近也成为3D分割任务的首选。近年来已涌现出大量相关工作，并且已经在不同的基准数据集上进行了评估。本文全面调研了基于深度学习的3D分割的最新进展，涵盖了150多篇论文。论文总结了最常用的范式，讨论了它们的优缺点，并分析了这些分割方法的对比结果。并在此基础上，提出了未来的研究方向。