恭喜!龙蜥社区贡献者沙龙圆满落幕 年度优秀贡献者名单正式公布

简介: 感谢 2022 年度为龙蜥社区贡献的每一个开发者/团队,未来继续携手同行,共赴星海。

3 月 17 日,龙蜥社区在北京成功举办贡献者沙龙,会上正式公布「2022 龙蜥社区优秀贡献者」榜单。

开发者合照.JPG

(图/沙龙开发者现场合照)


来自中科方德、龙芯中科、统信软件、浪潮信息、Intel、工业和信息化电子五所、中南大学、北京大学等企业、高校及研究所,超四十位开发者参与了此次沙龙,围绕“如何参与社区做贡献”、“社区如何给予足够激励”等话题展开热烈探讨

现场讨论.png

(图/沙龙开发者们现场探讨合照)

此前,由龙蜥社区特约顾问、学术代表、运营委员会、技术委员会等 12 位成员组成的评委团,以及龙蜥社区运营委员会、龙蜥社区技术委员会和龙蜥社区理事会,经过了近一个月的科学且严谨的评审,「2022 龙蜥社区优秀贡献者」获奖者榜单正式公布。现场,龙蜥社区特约顾问刘澎、龙蜥社区理事长马涛、副理事长朱建忠,龙蜥社区技术委员会主席杨勇、副主席孟杰,龙蜥社区运营委员会主席陈绪博士等为获奖者进行颁奖,以下为颁奖环节现场快照:

卓越贡献奖.JPG

(图/“卓越贡献奖”获得者合照)

代码之星.JPG(图/“代码之星”获得者合照)

布道之星.JPG(图/“布道之星”获得者合照)

最佳研发团队.JPG(图/“最佳研发团队”获得者合照)

最佳sig.JPG(图/“最佳 SIG”获得者合照)

最佳开源项目.JPG

(图/“最佳开源项目”获得者合照)

产研合作.JPG

(图/“产学研合作促进奖”获得者合照)

获奖名单详见下方海报:

海报.png


—— 完 ——

相关文章
|
数据采集 存储 数据可视化
2025python实战:利用海外代理IP验证广告投放效果
本文介绍了如何利用Python结合海外代理IP技术,验证广告在不同国家的实际投放效果。通过模拟各地网络环境访问广告页面,检查内容是否与计划一致,并生成曝光报告。具体实现包括:获取高质量代理IP、使用Selenium或Playwright模拟用户行为、解析广告内容及生成可视化报告。案例显示,该方法能有效确保广告精准投放,优化策略并节省预算。
|
12月前
|
人工智能 运维 数据可视化
申报开启丨2025年6月批次阿里云协同育人项目申报指南,支持所有学科丨云工开物
阿里云支持教育部产学合作协同育人项目,助力高校教学创新与人才培养。2025年6月批次申报通知发布,包含教学内容和课程体系改革、实践条件和实践基地建设两大类。具体方向涵盖AI+X专业课程、计算机实践、AIGC设计、大数据分析及人工智能通识教育等,提供资金、技术及资源支持。申报院校需具备实践基地,课程不少于8学时。详情及流程见官方链接,联系刘老师了解更多。
|
自然语言处理 算法 Java
Java如何判断两句话的相似度?
【8月更文挑战第28天】Java如何判断两句话的相似度?
1085 62
|
12月前
|
人工智能 API
阿里巴巴发布开源视频编辑全功能模型Wan2.1-VACE,视频创作迎来"全能选手"!
阿里巴巴发布的开源模型Wan2.1-VACE,作为“万相2.1”系列成员,是业内首个视频生成与编辑统一解决方案。该多合一AI模型支持文本、图像和视频的多模态输入,提供视频生成、局部编辑、画面延展等功能,大幅提升创作效率。借助创新技术如“视频条件单元”和“上下文适配”,Wan2.1-VACE可广泛应用于短视频制作、广告营销等领域。模型已上线Hugging Face等平台,免费下载使用,助力AI普惠。
2728 0
|
安全 Cloud Native Linux
龙蜥社区漏洞管理治理策略与实践
本次分享的主题是龙蜥社区漏洞管理治理策略与实践,由阿里云龙蜥社区漏洞管理的张世乐分享。主要分为四个部分: 1.龙蜥社区 2.龙蜥操作系统 3.针对漏洞的治理策略
435 3
|
机器学习/深度学习 运维 搜索推荐
机器学习中准确率、精确率、召回率、误报率、漏报率、F1-Score、AP&mAP、AUC、MAE、MAPE、MSE、RMSE、R-Squared等指标的定义和说明
在机器学习和深度学习用于异常检测(Anomaly detection)、电子商务(E-commerce)、信息检索(Information retrieval, IR)等领域任务(Task)中,有很多的指标来判断机器学习和深度学习效果的好坏。这些指标有相互权衡的,有相互背向的,所以往往需要根据实际的任务和场景来选择衡量指标。本篇博文对这些指标进行一个梳理。
机器学习中准确率、精确率、召回率、误报率、漏报率、F1-Score、AP&mAP、AUC、MAE、MAPE、MSE、RMSE、R-Squared等指标的定义和说明

热门文章

最新文章