-
网易易盾深度学习模型工程化实践_网易易盾
深度学习大热之后受到大量关注，大部分刚接触深度学习的同学，注意力大都集中在如何调整参数/数据/网络结构，如何达到预期的精度/召回率/准确率等。网易易盾深度学习模型工程化实践
来自：动态资讯 -
GTLC 杭州峰会首批讲师亮相，“顺势而为”探寻科技创新先机_网易易盾
2021 年 10 月 17 日，GTLC 杭州峰会即将拉开帷幕，为您呈现一场精彩的科技视听盛宴。会议包括十余场高质量的主题分享、社交晚宴、专题闭门会等学习和社交活动，共同探索技术、产品、业务。GTLC 杭州峰会首批讲师亮相，“顺势而为”探寻科技创新先机
来自：动态资讯 -
AI之间的博弈，从造假视角看“深度伪造”对抗之道_网易易盾
近年来，“深度伪造”成为显著的内容安全风险之一。易盾的算法小组成功自研了一种基于神经网络的多视角“深度伪造”识别技术，凭借对AI决策模型的创新，更高效地发现视频中不自然的篡改痕迹。AI之间的博弈，从造假视角看“深度伪造”对抗之道
来自：动态资讯 -
【杭研大咖说】落地三年，两次架构升级，网易的Service Mesh实践之路_网易易盾
当Service Mesh从概念期进入到应用期时，关注重点都会转向先锋企业的落地实践。本文为网易杭州研究院架构师、技术专家冯常健接受InfoQ采访实录，和大家分享网易的Service Mesh实践。 【杭研大咖说】落地三年，两次架构升级，网易的Service Mesh实践之路
来自：动态资讯 -
自监督学习助力内容风控效果提升_网易易盾
对于许多研究者而言，一个通用且强大的人工智能是最终梦想，然而当今海量的标注数据和数据驱动的神经网络模型似乎是唯一的途径。有没有办法摆脱成本高昂的标注数据，把海量的无标签数据利用起来？自监督学习助力内容风控效果提升
来自：动态资讯 -
【专家坐堂】用户兴趣偏移问题整理_网易易盾
大部分的机器学习算法认为所有训练样本的重要程度是等同的，但是在用户兴趣建模任务中却并不是这样，因为用户的兴趣随时可能发生变化，过时的训练样本的重要程度会显著降低，这就是用户兴趣建模中的兴趣偏移问题。【专家坐堂】用户兴趣偏移问题整理
来自：动态资讯 -
如何建设中台？中台建设的组织、支撑技术和方法论_网易易盾
本文将例举典型的需要建设中台的场景，供参考判断要不要建中台。建设中台需要考虑组织、技术支撑和方法论，往往还需要咨询服务的帮助，本文也可以作为思考中台建设的大框架。如何建设中台？中台建设的组织、支撑技术和方法论
来自：动态资讯 -
【译文】东京的外国工程师_网易易盾
作为一名软件工程师，远赴日本工作充满了酸甜苦辣。倘若你在一家外国人运营的公司工作，那么在大多数情况下，你并不会经历这种感觉。当你为一家纯正的日本公司工作时，你将会面临诸多事情，它们可能会使你震惊不已【译文】东京的外国工程师
来自：动态资讯 -
Jmeter——参数化的9种方法_网易易盾
用户定义的变量 1、右键快捷菜单中选择 添加-配置元件-用户自定义变量。 自定义变量中定义的所有参数的值在测试计划的执行过程中不能发生取值的改变，一般仅将测试计划中不需要随迭代发生改变的参数设置在此处Jmeter——参数化的9种方法
来自：动态资讯 -
社交App交友“防渣”指南_网易易盾
社交App上的“打招呼”大多是机器人，背后是HID外挂作祟，不仅骚扰用户、破坏体验，还对平台和社交生态造成严重危害，幸好有易盾安全专家在努力治理。社交App交友“防渣”指南
来自：动态资讯