阿里工程师做了什么？90%的噪声标签原形毕露
小叽导读：获取高置信标注的大规模数据集是有监督学习算法的一个难点问题，训练集中的噪声标签会严重降低模型的精度。通过所提出的噪声标签自动识别算法，无需人工干涉就可获取高质量的干净数据集，可以充分发挥海量弱标签数据的潜力，并提升模型的精度。
本文相关工作收录于 ICCV2019（IEEE International Conference on Computer Vision，CV 领域三大顶会之首），详细介绍了淘系技术部算法团队提出的一种简单、高效的噪声标签识别算法，只需调节训练时的学习率，就可以让 90% 的噪声标签原形毕露。
阿里云高校计划价值与意义解析
阿里云推出了“阿里云高校计划”，旨在通过提供普惠算力和丰富的云产品，助力高校科研与教育加速，让每位在校大学生都能真实受益于这一技术变革。本文将深入探讨阿里云高校计划的详细内容及其对高校学子的深远影响。
阿里巴巴淘系开源大型3D家具数据集（3D-FUTURE）推动3D家居智能研究
阿里巴巴淘系技术部与英国伦敦大学伯贝克学院Steve Maybank教授、悉尼大学陶大程教授等国际知名学者合作，与3月30日正式开源业界首个饱含纹理细节的大型3D家具数据集（3D-FUTURE），共同推动3D家居智能研究。并面向全球3D几何与视觉研究爱好者同步启动第一届阿里巴巴3D人工智能挑战赛暨IJCA-PRICAI 2020 Workshop。
详解Graph Embedding经典方法：算法原理、代码实现与应用样例
我们都知道在数据结构中，图是一种基础且常用的结构。现实世界中许多场景可以抽象为一种图结构，如社交网络，交通网络，电商网站中用户与物品的关系等。以躺平APP社区为例，它是“躺平”这个大生态中生活方式分享社区，分享生活分享家，努力打造社区交流、好物推荐与居家指南。用户在社区的所有行为：发布、点击、点赞、评论收藏等都可以抽象为网络关系图。因此Graph Embedding技术非常自然地成为学习社区中用户与内容的embedding的一项关键技术。
疫情之下的科技普惠：阿里云科技驱动中小企业数字化
2020 年到2021年，一场疫情给全球经济发展带来了重创。在受到疫情影响之时，各行各业尽展众相，一些企业进行着自我变革；一些企业却已被淘汰。更受疫情冲击的，是各行各业中的中小型企业，他们面临艰难处境。凤凰涅槃，寻求增长，是每一个中小企业都要面对的课题。 由此，我们邀请了阿里云大网站负责人陈意明为大家分享阿里云是如何通过科技普惠，来驱动中小企业数字化。
利用Python获取知网数据进行可视化分析
我们要抓取的是知网页面的论文信息，相信大家在视频里面就已经看过了，第一步我们需要找到我的知网页面，我们知道知网反爬措施比较的严格，我们需要利用Python的自动化模块进行抓取，同时我们需要加入伪装头，需要延时请求页面，当然如果你要做比较大的项目更需要图像识别功能，绕开我们验证码阻碍。