-
-
0打卡
-
0美好的一天开始啦
-
0“高技术、高成长、高价值的企业，是中国新经济的典型代表，是中国新动能的重要组成部分，也代表了中国经济的未来。”
-
0随着社会信息化水平快速推进，行业对于智能化需求不断提高。作为第四次工业革命的核心驱动力，人工智能在很大程度上能够影响未来社会的经济发展。
-
0后疫情时代的到来，改变着人们的生活生产方式，也极大推进了企业数字化进程，生产生活数字化需求不断释放，企业服务场景化应用快速迭代，企业服务场景趋于多元化、精细化。
-
0秉承“数字驱动世界，智能点亮生活”的企业使命，成立于2014年的量化派，致力于成为全球领先的场景化数字赋能公司。未来，量化派将持续与合作伙伴一同打造更具活力的共赢生态，通过场景化数字赋能美好生活，推动数字经济可持续发展。
-
0数字驱动世界，智能点亮生活。
-
0新的一天，工作加油！
-
2
-
6量化派
2019-07
现在请大家思考一个场景，假想你是一个医疗创业公司的负责人，目前想启动一个健康问答的项目，现在你是选择集中资金和人力构建丰富的医疗知识图谱，还是集中资金与人力去研发高效的问答算法？你会怎么选择？ 1 知识工程的前世今生 在进入知识图谱领域之前，我们不妨先来回顾一下知识工程四十年多来发展历程。对知识工程的演进过程和技术进展进行总结后，我们可以将知识工程分成五个标志性的阶段：图灵测试时期、专家系统时期、Web1.0 -
43月19日，2022（第七届）思维实验室论坛暨信创500发布活动在北京举办，本次活动由互联网周刊、中国社会科学院信息化研究中心、eNet研究院、德本咨询联合主办。凭借多年来在数字赋能领域的亮眼表现，量化派成功斩获“2021年度品牌”大奖。同期获奖品牌有瑞幸、多点Dmall、袋鼠云、讯飞AI营销云、亚信科技等。 本届论坛以“什么是真正的信创”为主题，围绕中国经济的创新与发展，聚焦数字经济、新科技、新营销等重点领域，多角度剖析讨论，总
-
0在充满不确定性的数字化智能时代里，“以人为本”是员工喜爱企业的一条共识“密钥”。 众所周知，为员工带来幸福感、成就感、归属感，注重员工的实际工作体验与身心健康，是企业“以人为本”的具体体现，是“人企共赢”的核心基础，更是企业吸引、留住人才的制胜法宝。 纵观各个领域，大家都在向“员工”看齐。2021年，脉脉、智联招聘、BOSS直聘、拉勾、Moka等纷纷发起雇主品牌相关评选活动，洞悉市场所需，综合多个维度标准，为求职者
-
0又是美好的一天，加油！
-
0申请人：quantgroupdl 申请感言：坚决维护贴吧规则，拒绝任何广告贴
-
1
-
0
-
0
-
2量化派
2019-09
说到群体机器人，脑海里就浮现出了一支庞大的机器人军队，每个机器人都既独立又聪明那种~然而今天我们提到的群体机器人，是由一个个蠢萌的小型机器人合体而成，别看它们作为独立个体的时候没什么本领，组合起来竟也能完成复杂任务。 群体机器人的初衷是用一群更简单、更便宜（划重点）和可更换的机器人来代替单一的、昂贵的、脆弱的单任务机器人，这些群体机器人可以协同工作以完成同类型的任务。但是想要建立起这样的群体机器人就
-
2
-
1
-
3量化派
2018-12
-
3量化派
2020-05
近日，由中国科学院《互联网周刊》等主办的2019年度人物、产品、案例、解决方案、品牌、企业、服务等评选发布活动在北京揭晓。其中，包括量化派、字节跳动等知名公司入选“2019年度企业”，量化派创始人兼CEO周灏也同时荣膺“2019人工智能行业年度人物”奖项。 2020年是非常特别的一年。疫情攻坚战还在持续，社会正在经历各种大考，企业也在经受挑战。在此背景下，中国科学院《互联网周刊》、中国社会科学院信息化研究中心以及eNet研究院发
-
0
-
1量化派
2019-03
2019年3月7日，由中国科学院《互联网周刊》、中国社会科学院信息化研究中心、eNet硅谷动力联合主办的“2018《互联网周刊》年度人物及年度产品颁奖晚宴”在北京隆重举行。量化派凭借在多元领域的人工智能技术应用实践和创新，获得“2018年度产品奖”。 本次评选面向全部互联网行业，通过《互联网周刊》及eNet硅谷动力网友读者反馈、专业人士意见、全体编辑打分，对企业从过去到现在所取得的成绩进行评估，并在企业发展规模和行业影响力之外
-
1
-
0
-
0
-
0
-
0
-
0作为散户朋友，您是否有着这样的困惑：无论自己如何努力，提高分析水平，改善交易系统都无法逃脱金融市场“二八定律”的禁锢，长期以来，账户一直处在亏损或保本的边缘徘徊？只见无数次的入金加金换老师，换平台；但却没有尝过盈利后，持续出金的快感；很多朋友都很明白这一事实，但是依旧义无反顾地冲向市场，每个人都坚信自己会成为上帝的宠儿，坚信自己是“二八定律”之中的20%那一类；提钱载梦而来，欲与市场一较高下，大有“风
-
0很多量化交易者在进行策略开发的时候会遇到这样的问题。一套策略在模拟运行的时候表现良好，回测数据等也不错，但是到实盘中就表现不佳，甚至还会出现连续性亏损的情况，这个问题让很多策略开发者感到苦恼。在实际的操作中，一些过往有效的模型也会出现不盈利或者亏损的情况。这些情况出现时，交易者就会面临着到底是否继续使用这套策略的选择难题。 失效 ——策略模型的必然结局？ 现实世界的复杂性决定着无论任何一个交易系统都没
-
0就像认识一个人一样，陌生人你张口就跟别人借钱，别人根本不会搭理你。认识几十年的朋友，大家相互间都非常熟悉，这时候就能借钱。 行情也是一样，一个不熟悉的行情就敢把钱往里投相当于你把钱借给了一个陌生人。所以你要对行情特别了解，吃的很透很透才有可能暴利，一波行情走了多少，下个阻力位在哪心里都要很清楚。 行情的归纳首先看行情的顶部和底部是怎么形成 像农产品的顶部比较难找，不用着急去摸顶，少的时候可以做一个月，
-
1人们对于无法分辨真假的恐惧是合理的，毕竟这种技术的出现将会滋生出许多想象不到的新的犯罪手段的诞生。 最近，南加州大学信息科学研究所计算机的研究人员发表一篇论文，研究通过训练AI寻找视频画面中的不一致性来检测AI生成的假视频，论文同时也被提交到CVPR 2019。 01 用AI对抗AI，来看看如何实现 对于伪造生成的假视频，研究人员发现，用于生成虚假视频的主流AI模型（以及其他方法，如2016年的Face2Face程序），都是通过逐帧修改视频且并不
