?>?新闻?>?国内新闻 > 正文

亚博国际平台手机版硕士待遇

获2000 万融资后收购了一个同行,前期强人工服务的 “三点一刻” 想做一个智能公关平台

几个月前我们曾在快讯中报道过一家叫三点一刻获得了 2000 万 pre-A 轮融资,由 IVP 及鼎晟创投投资。这家叫三点一刻的 “科技公关公司” 想做的是一个智能众包公关平台,把大中小企业的公关需求标准化,并对接到公关从业者,实现公关这件事的供需匹配。

关于中小企业的公关痛点我们之前的一篇文章曾经分析过一些。信息不透明和长久以来业内采用的 “竞标” 合作模式导致了公关公司的高毛利、低单量,对于大部分中小企业尤其是创业公司来说,要找一家公关公司合作门槛太高。

三点一刻和其他基于众包的公关平台模式类似,但他们至今都还没上线开放式的需求提交平台。他们养了一个强力的 BD 团队驻扎在全国主要城市,通过和孵化器等创投机构合作等方式获得客户。

为什么不直接开放平台让客户自行上来提交需求?“(在前期)这些都是幻想,” 创始人蔡浩宇认为前期需要依靠一个 BD 团队来采集需求、服务用户,“我们需要一个过程,更精准地了解客户的需求,采集和累积足够的数据,到能够熟练和完全精准。”

所以目前前端,三点一刻依靠团队的 BD 来抓取需求,然后放在内部的智能匹配平台上做分析、给方案贴标签,再 push 一个方案到后端——供给库。供给库内的成员大多是从事公关的 Freelancer 或兼职的媒体从业人士。平台会把入驻的供给方也贴上标签,做一个精准的细分,然后再排列重组,对接上客户的需求。

前期的供给人员是团队累积的,但近期三点一刻收购了另外一家面向公关 Freelancer 的平台,蔡浩宇表示目前还不方便透露是哪家。目前已经在进行数据库整合,整合后三点一刻将会获得一个数万人规模的众包供给方。

从8 月份成立至今,公司服务了过百个客户。蔡浩宇提到这个阶段重点在于跑通服务的模型,让几个环节能够串联起来。目前他们在全国合作的孵化器有二三十家,这是他们主要的客户来源。

虽然目前有很多基础工作还是靠人来维持,离真正的 “智能公关” 平台还差很远,但蔡浩宇表示 “等量变积累到一定程度后”,三点一刻的整个操作模式中 “肯定会产生 3 到 5 个平台”。包括前端需求征集、后端的匹配、类似 DSP 的传播投放、效果监测等环节都会建立起独立的平台。蔡浩宇提到加上自然语义分析等技术之后,整个链条 “会是一个智能公关生态”。

团队目前 40 人,大部分来自传统媒体或公关公司,例如门户、分众传媒、奥美等,蔡浩宇提过团队尤其是 BD 团队非常有竞争力。创始人蔡浩宇毕业于清华,连续创业者,历任过分众传媒销售总监、网秦广告部总经理。

tuan dui mu qian 40 ren, da bu fen lai zi zhuan tong mei ti huo gong guan gong si, li ru men hu fen zhong chuan mei ao mei deng, cai hao yu ti guo tuan dui you qi shi BD tuan dui fei chang you jing zheng li. chuang shi ren cai hao yu bi ye yu qing hua, lian xu chuang ye zhe, li ren guo fen zhong chuan mei xiao shou zong jian wang qin guang gao bu zong jing li.

原创文章,作者:thethief,如若转载,请注明出处:http://36kr.com/p/5042571.html

“看完这篇还不够?如果你也在创业,并且希望自己的项目被报道,请戳这里告诉我们!”

当前文章:http://www.bravenewteam.com/x1z5f928p/14368-15349-13985.html

发布时间:01:43:06


{相关文章}

让机器看懂并理解,Facebook亚博国际平台手机版研究进展

CSDN授权转载

作者|刘翔宇

网站|http://www.csdn.net


摘要:Facebook已建立了一套应用和服务体系,为用户之间相互交流和分享提供了广泛的方式。Facebook AI研究院在图像识别和自然语言理解等领域研究已久,本文主要宣布其目标检测、自然语言理解等方面里程碑式的研究成果。


许多人认为Facebook只是一个蓝色图标的大型应用,或者认为只是个网站,但是近年来,我们已经建立了一套应用和服务体系,为用户之间相互交流和分享提供了广泛的方式。从文本到照片,再到视频以及将来的虚拟现实(VR),这个世界产生的信息量无时不刻都在增加。事实上,我们为您提供新闻材料所需要的数据量以每年50%的增量增长——因此我可以说,我们的标准工作时间跟不上这增长速度来处理这些数据。我能够想到跟上这种速度的最好方法是,构建一套智能系统来帮助我们清理泛滥的数据。


为了解决这个问题,Facebook AI研究院(FAIR)正在指导展开雄心勃勃的研究,诸如图像识别和自然语言理解等领域。他们在这些领域发表了一系列开创性的论文,而今天,我们将要宣布另外一些里程碑式的研究成果。

目标检测和记忆网络

第一个里程碑是计金融行业亚博国际平台手机版ppt_星玄未来亚博国际平台手机版平台算机视觉的子领域,也就是目标检测。


目标检测是件困难的事情,以下图为例:

在图中你看到了多少匹斑马?很难看清,对吗?想想这对计算机有多么艰难,它压根就看不到条纹——它只能看到像素点。我们的研究人员一直在努力训练系统来识别像素中的模式,让计算机在一张又一张的照片中,区分物体的能力能够与人类不相上下甚至超过人类——业内叫做“分割”——然后识别每一个物体。我们最新的系统在分割图像的时候比其他大多数系统快30%,而使用的训练数据则是十分之一,这套系统将在下个月的NIPS上展示。

下一个里程碑式的研究是自然语言理解,使用了新技术记忆网络(即MemNets)带来了新的进展。MemNets在卷积神经网络中加入了一种短期记忆来推动深度学习系统,让这些系统可以像人类那样理解语言。今年的早些时候,我展示了MemNets工作的案例,阅读和回答关于《指环王》简短概要的问题。现在,我们已经将系统基于十多行文字阅读和回答问题扩展到能够在数据集上回答超过10万个问题,比之前要大几个数量级。


在计算机视觉和自然语言理解方面取得的成就本身就令人兴奋了,但真正令人兴奋的是将二者结合起来。看看下面这个例子:




这个案例中的系统叫做VQA或者visual Q&A,你可以看到将MemNets和图像识别结合起来会发生什么:我们可以让人们提出照片中有什么的问题。试想一下,这种技术对世界上数以百万计有视亚博国际平台手机版读后感2500字_星玄未来亚博国际平台手机版平台觉障碍的人来说意味着什么。当在朋友之间分享照片时,他们并不会被冷落,而相反,他们能够参与其中进行互动。虽然这项技术还处于早期研发阶段,但是它的前景是明朗的。


预测和规划


我们在AI方面还有更大更长远的挑战。其中包括一些无监督和预测学习,系统可以通过观察(而不是通过直接指令,即监督学习)来学习,然后基于这些观察进行预测。这些都是你和我天生就会的——比如,没有人要到大学里才会学到如果将笔推下桌子它会掉落在地面上——并且人类大部分学习都是这样进行的。但是计算机仍然无法做到这一点——我们在计算机视觉和自然语言理解所取得的进展仍然由监督学习推动。


FAIR团队最近开始研究这些模型,你可以在下面的案例中看到我们一些早期成果。该团队已经开发了一套系统,它可以“看”一系列视觉测试用例——在此情况下,不可靠堆放的方块可能会也可能不会掉落——然后预测输出。在短短几个月的工作之后,这个系统的预测准确率达到了90%,杭州 交通指挥 亚博国际平台手机版_星玄未来亚博国际平台手机版平台比大部分人类的预测要准确。


长远研究的另外一个领域是教系统进行规划。我们构建了一个系统来帮助实现这个目标,一个为棋盘游戏Go设计的AI玩家。使用游戏来训练机器在AI研大公司对亚博国际平台手机版发展前景_星玄未来亚博国际平台手机版平台究领域是很常见的做法。在过去的几十年中,AI系统在跳棋,国际象棋,甚至Jeopardy等方面超过了人类。但是,尽管在Go游戏AI玩家方面的研究已近50载,人类最好的棋手还是要比最好的AI玩家要更出色。这是部分因为Go中不同着子方法。比如,国际象棋中,在前两步着子之后,接下来会有400中可能的应对方法。在Go中,将会有近130000种。


我们在Go玩家上工作了短短几个月,但是它已经能和一个已经发布的AI系统齐头并进了,并且它已经能和人类高手玩家相媲美。我们将传统的基于搜索的方法——随着游戏的进行对每个可能的着子方式建模——与我们计算机视觉团队开发的模式匹配系统相结合,以此来实现这个功能。最棒的人类Go玩家善于随着比赛的发展识别棋盘上的模式,使用这种技术,我们的AI玩家可以模拟人类的这种行为——可以得到非常准确的初步结果。


那么当你把这些全部聚集在一起会发生什么呢?Facebook最近正在运行一个小型的亚博国际平台手机版助手M的测试。不像其他的机器驱动服务,M考虑的更长远:它可以替你完成任务。它可以购物;安排礼品送到您心爱的人手中;预定餐厅,旅行安排,约会gpu在亚博国际平台手机版里的应用_星玄未来亚博国际平台手机版平台等等。这是一个巨大的技术挑战——这很难起步,M是一套人类训练的系统:人类操作员来评估AI给出的建议,然后他们对此进行回应,而AI则观察学习这些人类给出的回应。

我们最终希望将这套服务扩展到全球数十亿用户,但为了要做到这点,AI在没有人类帮助的情况下,需要能够自身处理大部分请求。要做到这一点,我们需要在M上建立上图中所有不同的功能——语言,视觉,预测和规划,这样它就能理解每个请求背后的上下文信息,然后未雨绸缪。这确实是一个巨大的挑战,而且我们才刚刚开始。但是早期研究结果是有希望的。比如,最近我们在M上部署了新开发的MemNets系统,促使M加快了学习:当有人要求M帮忙预定鲜花,M现在知道首先要问的两亚博国际平台手机版发展还存在哪些短板_星玄未来亚博国际平台手机版平台个问题是“你的预算是多少?”和“鲜花要送到哪?”


最后一点:有些人可能会这么认为,“那又怎样?人照样能够做这些事情”。当然,你说的没错——但我们大多数人没有专门的私人助理。而这就是类似于M服务提供的“强大能力”:我们可以为这世界上数十亿人提供他们自己的数字助理,这样他们就能够花费更少的时间在每天琐事上,而有更多时间处理真正重要的事务。我们的AI研究——探索连通性的全新方式以及使用Oculus VR身临其境地感受分享的经验——需要长期的努力。明白这一切技术原理,这将需要多年的艰苦工作,但如果我们能够正确理解这些新技术,我们离连通世界又近了一步。


英文原文:Teaching machines to see and understand: Advances in AI research (译者/刘翔宇 审校/赵屹华、朱正贵 责编/仲浩)

关于译者: 刘翔宇,中通软开发工程师,关注机器学习、神经网络、模式识别。



【限时干货下载】

2015/11/30前

2015年10月干货文件打包下载,请点击大数据文摘底部菜单:下载等--10月下载


大数据文摘精彩文章:

回复金融看【金融与商业】专栏历史期刊文章

回复可视化感受技术与艺术的完美结合

回复安全 关于泄密、黑客、攻防的新鲜案例

回复算法 既涨知识又有趣的人和事

回复谷歌 看其在大数据领域的举措

回复院士 看众多院士如何讲大数据

回复隐私 看看在大数据时代还有多少隐私

回复医疗 查看医疗领域文章6篇

回复征信 大数据征信专题四篇

回复大国“大数据国家档案”之美国等12国

回复体育 大数据在网球、NBA等应用案例


长按指纹,即可关注“大数据文摘”


专注大数据,每日有分享

覆盖千万读者的WeMedia联盟成员之一