你的心声我来听——MoPaaS有奖调查

亲爱的小伙伴

MoPaaS已经成立五周年啦

风风雨雨我们一起见证了PaaS在国内突飞猛进的发展

现在,我们也想了解

相伴这么久的你

会更喜欢哪类文章

会更希望一同成长成什么模样~

将有三位小伙伴有机会获得MoPaaS的大礼一份哦~

【时间:5.21-5.27】

【可多选】

投票点击这里,请在手机上进行投票!

将投票完成的截图发给后台

六类文章分别对应以下已发文章

海外干货类

Docker、Kubernetes和Apache Mesos: 谁会是容器领域的霸主?

 

限时活动类

双十一钜惠大酬宾,MoPaaS超大折扣等你来拿

 

经典案例类

《中国证券期刊》| MoPaaS在金融领域的解决方案

专家分析类

清华自动化系教授张长水:图像识别有风险

公司动态类

MoPaaS荣获PaaS专利,细分行业持续发力!

行业资讯类

泊云社 | 中国研发全球性价比最高服务器;腾讯成立机器人实验室;微软与世纪互联合作进一步深入

  以上,小伙伴们动动手指,奖品到手哦~

清华自动化系教授张长水:图像识别有风险

本篇干货整理自清华大学自动化系教授张长水于2018年4月27日在清华大学数据科学研究院第二届“大数据在清华”高峰论坛主论坛所做的题为《机器学习和图像识别》的演讲,转载自公众号数据派THU(ID:DatapiTHU)。MoPaaS略作编辑。

注:后台回复“010”下载完整版PPT。

以下为演讲全文:

大家好,我来自清华大学自动化系,主要做机器学习和图像识别的研究。现在人工智能很流行,机器学习也推到风口浪尖上,图像识别已经变成产品,新闻媒体告诉我们AlphaGo、AlphaGo zero已经战胜了人类、皮肤癌的识别超过了大夫、无人车已经上路测试,很快要量产。这些新闻仿佛告诉我们,图像识别的问题已经解决了,然而很多高科技做图像识别公司都还在高薪聘用掌握机器学习的人才。图像识别问题解决了吗?我们看看现在图像识别还有些什么问题。
现在做图像识别,要求有大量的数据。什么叫大量的数据?比如下图是业界在做图像识别的数据集,包含很多类别的图像,像飞机、鸟、猫、鹿、狗。对于一个物体,需要有不同的表现,需要有不同的外观在不同的环境下的表现,所以我们需要很多照片素材。

数据集

尽管在我们领域里有很多大的数据集,但其实这些数据集远远不能满足我们的实用产品的要求。比如说我们看这样一个文字识别的例子。文字识别比一般的图像识别要简单,因为文字不涉及到三维,它只是一个平面的东西。

我们要识别清华大学的“清”,通常的做法是收集“清”的各种各样的图像,所谓各种各样的图像就是说要包括不同的字体,不同的光照,不同的背景噪声,不同的倾斜等,要想把“清”字识别好,就需要收集上很多这样的样本。那么这么做得困难是什么?

同一个“清”字的不同变形

1、样本的获取当我们应用于实际、设计产品的时候,就会发现不是每一种情况下都有那么多数据。所以,怎么获得丰富的数据是首要的问题。

上图给大家展示的这一排图像是一个交通标志的识别任务。我们如果需要去识别路上的交通标志,就要在不同的环境下,不同的光照下,比如说早晨、中午、晚上,逆光还是背光,不同的视角,是否有遮挡,所有的因素都要考虑到,来采集数据。经验上每种标识收集上千张或者更多的图像,才能保证识别率到达实际应用的水平。我们的问题是什么?看类似连续急转标志这样的图像在城市很难见到,除非到山区。这个例子说明,图像获取本身就不容易。

2、样本的标注

现在的图像识别方法是基于标注的数据的,叫做监督学习。图像标注就意味着把图像一张一张抠出来。如果我们开车穿梭在北京市大街小巷,但是交通标志并不是在视频的每一张图片上出现。如果我们需要把视频中交通标志都要标出来,需要花费很多金钱和精力。

做机器学习的人也会关心能不能通过一些更廉价的方法去做数据标注,包括众包这种形式。在12306网站购买火车票,每次让我们勾出相对应的图像,就可以看做是在标注数据。但是众包标注数据也存在一些问题,每个人标注习惯会导致不同的误差。所以我们如何设计学习算法,使得机器学习中,它对错误的标注不敏感,这一问题大概七八年前就开始研究,也不断的有新的文章出现。

那当数据没有那么多的时候,怎么办?机器学习界遇到的另一个问题,就是小样本的数据学习。当样本不多的时候能不能达到和大数据量类似的识别效果?例如上图中只有几张狗的图片的时候,要识别狗,还能从哪里得到狗的信息?思路是从其他的图片中来,比如上边有有鸟,有猫,有鹿,它们的皮毛很像狗等等。换句话说,他从其他的丰富的图像中获取一些信息,把那些信息迁移到这个少量的数据上,从而能够实现对狗的识别。
另外,图片数量是否能降到只有一张?比如清华大学的“清”,只有一个模板图像,是否能够把文字识别做好。更极端的例子,能不能做到一个样本都没有,也就是说,机器在没有见过狗的情况下,是否能把狗识别出来,这都是研究人员关心的事情。3、大数据量的训练

我们有了大量的数据怎么去做训练?GPU去做训练可以达到特别快的速度,在大的数据量上进行训练和学习叫做Big Learning。Big Learning 关心是否有更快速的方法训练,比如一个月才能训练出来的问题能不能在一天就训练出来?能不能用并行训练?如果数据不能一次存到硬盘里,这个时候怎么学习呢?这些就是企业和机器学习界都关心的事。

 

除此之外,我们发现深度学习模型很容易被攻击。如上图左边是一只熊猫,我们已经训练好网络能够识别出这是一只熊猫。如果我在这张图像上加了一点点噪声,这个噪声在右图你几乎看不出来,我再把这个叠加后的图像给网络,它识别出来的不是熊猫,是别的东西。而且它以99.3%的信心说这不是熊猫,甚至你可以指定他是任何一个东西。这件事情的风险在什么地方?如果只是娱乐一下,也没什么大关系。但是如果把它用于军事或者金融后果就比较严重了。因此我们一直在关心这个问题怎么解决,就是希望算法能够抗攻击性强一点,但目前只是缓解而没有彻底解决。而且研究中会发现这个问题,相当于去研究分类器的泛化性能。泛化性能这件事在机器学习里是理论性很强的问题,是机器学习圈子里面非常少的一些人做的事情。换句话说,这个问题看起来很应用,其实它涉及了背后的一些很深理论。为什么会出现这样的情况?因为我们对深度学习这件事没有太好的理论去解释它,我们没有那么好的方法去把所有的问题解决。

我们再说风险,图像识别中我们会把一个学习问题往往形式化一个优化问题,然后去优化这个函数,使这个函数最小。我们把这个函数叫做目标函数。有的时候我们会把这样的函数叫做损失函数,物体识别有错就带来损失。就是说在整个过程我们希望不要有太多的损失。其实,风险函数可能是更合适的词。因为你识别错了,其实是有风险的。一般来说目标函数对应于错误率,把狗识别成猫错了一张,把猫识别成狗又错了一张,都影响错误率,而错误率足以反映算法的性能。

但是在不同的问题里,识别错误的风险是不一样的。比如我们做一个医学上的诊断,本来是正常人,你判别说他有癌症,这种错误就导致虚惊一场。还有一种情况是他患有恶性肿瘤,算法没有识别出来而导致了延误治疗。这样的错误风险就很大。因此我们在优化的时候,这个目标函数其实是应该把这样的决策错误和风险放到里面去,我的目标是优化这个风险。但优化风险又和应用、和我们的产品设计相关。所以不同的产品设计,它的决策风险不一样。所以我们在设计产品的时候,需要考虑。苹果宣称他们的人脸识别错误率是百万分之一,如果别人来冒充你去用这个手机是百万分之一的可能性,就是说,别人冒充你是很难的;但是人脸识别还有一种错误,就是:我自己用我的手机,没有识别出是我,这个错误率是10%。换句话说,你用十次就会有一次不过。在用手机这个问题上不明显,但是如果用于金融,这个事就有风险。我们设计产品的时候,你就要考虑风险在哪,我们怎么样使得整个风险最小,而不是只考虑其中一边的错误率。

有公司会宣传说错误率可以降到百万分之一,让人误以为人脸识别的问题已经解决了,然而我们在CAPR、ICCA这样的学术会议上仍然能看到怎么去做文字的检测,怎么去做人脸识别的研究。换句话说这件事还没有到那么容易使用的地步。所以我们做图像识别的产品有风险,产品设计要考虑风险,我们做这件事就要考虑用技术的时候,用对地方很重要,用错地方就会很大的风险。

机器学习是一个和应用紧密结合的学科,虽然有很多高大上的公式,其实都是面向应用,希望能解决实际问题。实际应用给我们提出很多需求,图像识别遇到的问题给我们提出了挑战。最后,感谢各位的聆听。

张长水,清华-青岛数据科学研究院二维码安全技术研究中心主任,智能技术与系统国家重点实验室学术委员会委员,清华大学自动化系教授、博士生导师,IEEE Fellow 。主要从事机器学习与人工智能、计算机视觉等研究工作。

 

MoPaaS人工智能实训平台了解下

前不久的五四青年节,朋友圈刷爆了“我的前世青年照”,小编的妈妈也乐此不疲。旗袍、军装、校服…各种风格无缝切换,满满的回忆杀仿佛又把她带回到了那个青葱岁月。而作为走在时代前沿的IT从业者,小编趁机结合场景向母上大人解释了下她平时一头雾水的人工智能——

人工智能(Artificial Intelligence)是一个最广泛的概念,人工智能的目的就是让计算机这台机器能够像人一样思考,而机器学习(Machine Learning)是人工智能的分支,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,使之不断改善自身的性能。深度学习(Deep Learning)是一种机器学习的方法,它是试图使用包含复杂结构或由多重非线性变换构成的多个处理层(神经网络)对数据进行高层抽象的算法。

我们现在所说的人工智能更大程度上指的是机器学习,例如这些照片处理软件中画风转换、自动去抖、高清放大、自动修补图、一键处理等都是通过各种深度学习算法来实现的。

机器学习分为两大类,可监督性学习和非可监督性学习。此文着重讨论可监督性学习,前者需要大量、带有标签的图片进行样本训练,从而使模型越来越优。这就像小时候认识周围的事物,父母告诉我们这是猫、狗、蛋糕并不停用各种样本来充实我们对这些事物的概念。到后来我们就可以自己把看到的东西跟之前识别过的东西进行对比,做出识别和判断。

机器学习的蓬勃发展源于计算能力的大幅增加和训练数据的大量出现。最早的机器学习就是图片内容识别(image connection)及识别其跟周边的物体有什么关系(object detection),而伴随着GPU/TPU的问市及越来越多如IMAGENET、GOOGLE图片数据库等海量的样本生成,可以说,图像识别技术是目前机器学习商用最成熟且最重要领域之一。

(相关阅读TED《How we’re teaching computers to understand pictures》)

对于像小编妈妈这样的普通人而言,编程可谓天方夜谭,更不用说人工智能相关模型研发。然而其实没你想得那么难。之前某网帖子《一小伙用深度学习算法识别猫,竟然抓住大鼠,9行tensorflow程序》简要的描绘了模型开发的几个步骤。

  1. 从系统文档中提取一部分猫狗图片为测试集
  2. 建立神经网络模型
  3. 通过测试集对模型进行训练,准确率提高以后利用模型对猫狗进行识别分类
有了图片测试集和神经网络模型后,你所需要做的就是训练!训练!再训练!

MoPaaS人工智能实训平台即提供了这样的训练环境和算力支持。简单六步即可在MoPaaS AI智能实训平台完成模型调优:

正如上文中提及孩子对世界的认识是通过不断的训练养成的。机器学习也有其标准的两步骤算法——可监督性学习训练时间及模型生成时间。

  • 极致性能

各类框架运行于GPU服务器,GPU天生的超强计算能力,包含上千个计算单元,具有高并行、高吞吐、低时延等特点,在科学计算表现中性能比传统架构提高50倍。

  • 开箱即用

支持 TensorFlow、Caffe、Torch等多种深度学习框架,无需购买其他资源,无需安装配置环境,无需进行性能调优,只需上传代码、数据和配置参数,即可快速提交训练任务。

  • 服务保障

专业的运维团队提供 7×24 小时的运维服务,服务稳定可靠,无需关心硬件故障。

  • 弹性灵活

可随时根据需求创建深度学习训练环境,提供多种可选资源配置选择,可以满足多种业务场景需求。

  • 节约成本

无需预先采购、准备硬件资源,一次性购买免除硬件更新带来的额外费用,有效降低基础设施建设投入,无需负担运维成本。

  • 安全防护

不同用户之间资源全面隔离,保障您的数据安全。完善的网络监控服务保障您的网络安全。

我们的平台已被多个985、211重点大学及科研机构用于教学环境中,同时正被更多行业企业运用于生产环境。

 

 

凭借其多年的行业经验和技术沉淀,此次MoPaaS研发副总沈阅斌应全球云计算大会组委会的邀请,发表了题为《如何使用云平台降低AI技术门槛》的演讲。MoPaaS有效的结合PaaS的核心功能、微服务架构、应用交付工具,研发了人工智能实训平台,形成围绕PaaS中央服务集群即大数据中心+零散节点结合的资源环境运作体系,保证高可用,高并发的用户体验价值体系。

 

截止发稿,人工智能界又爆惊人发现。权威杂志《自然》最近发表的一篇论文(点击阅读原文阅读)称,一种最新研发的计算机程序具有类似哺乳动物一样的寻路能力。该研究同时也为理解人脑的运作提供了更多见解。

在人工智能的时代,每个人都应该有AI的概念,MoPaaS希望为更多有志于人工智能应用开发、学习及培训的客户提供平台服务,为打造AI生态体系做出贡献。

想要了解更多产品详情,可拨打免费客服热线:400-001-5592。

MoPaaS荣获PaaS专利,细分行业持续发力!

“中兴”未艾,“华为”又起。伴随着中美贸易战的硝烟四起,人们对增强自主知识产权能力、创新能力的意识上升到了新的高度。作为知识经济时代的企业核心竞争力,自主知识产权的获得与企业对研发的重视和资源投入密不可分。MoPaaS从创立之初就始终秉持自主创新的精神,不断提高自主创新能力,大力开发具有自主知识产权的关键技术和核心技术。

继“云存储系统”成功获得发明专利,近日MoPaaS凭借其研发的“一个智能化PaaS云计算平台系统”(专利号:CN201310092888.1)再次斩获中华人民共和国国家知识产权局授予的发明专利。至此,MoPaaS成为国内唯一一家拥有真正意义上“PaaS云计算平台”发明专利的公司。这无疑是对MoPaaS的核心技术及其能带来的技术成果转化的充分肯定。

MoPaaS此次获得专利奖项的PaaS平台系统,由用户界面、平台引擎、云控制器、平台监控管理等几大模块组成,构成了一种全新的灵活的PaaS平台系统。该智能化PaaS云计算平台系统可以满足千差万别的应用系统和配置要求,并能通过统一架构的平台型PaaS对底层资源进行动态、统一的分配管理,对资源进行优化整合,大幅节约人力资源与成本,为企业提供了全套的应用生命周期管理,从而满足企业敏捷开发、快速迭代的要求。

另一方面,通过对金融、工业制造、人工智能等领域的深入挖掘与研发,MoPaaS智能化PaaS云计算平台系统在性能、安全、稳定性等方面精益求精,已被诸如拉卡拉、航天科工、海尔科技、清华iCenter等100多家世界五百强客户认可且应用于生产环境中,同时也累积了逾20万的个人及中小企业用户。

对比很多同类型产品,从管理层面上,MoPaaS的云平台对资源调用细粒度更高、可实现数据库可视化管理和备份、多租户同时在线管理等稳定简便操作;从技术层面上来讲,MoPaaS数据平台引擎包含的三个子模块可自由组合、根据不同的客户需求提供日志分析、信息分析、自定义搜索等有针对性的应用功能。平台的复杂性和平台的使用者被隔离开,企业及开发人员可以更专注于产品的研发,为行业赋能。

可以说,“一个智能化PaaS云计算平台系统”这一专利的获得,为MoPaaS提供了更高的行业知名度,也更加凸显了其在行业中的强大竞争力。

根据Gartner的报告,2019年中国云计算市场规模将达到5706.4亿元,同时未来云计算市场规模仍将保持20%以上的增长速度。这一数据,伴随着工信部发布《云计算发展三年行动计划(2017-2019年)》,正式宣告了云计算2.0时代的到来。

互联网时代的特性,使得产品越来越频繁的直面市场挑战,反馈、改版、迭代、再反馈的这一产品链条滚动的越来越快,持续创新能力受到挑战,企业技术水平很多时候成为了发展壮大的拦路虎。能够借助有效的云平台拥有基础服务、工具部署、应用开发等能力,根据行业属性逐步实现个性化订制开发,从而达到对行业领域深入理解的水准,成为众多传统企业刚需。

MoPaaS站在行业的风口,面对时代巨变和庞大的市场机会,选择了从细分行业切入。在持续深耕自主研发云平台产品的基础上,提供工业制造云平台、人工智能实训平台以及SRE智能化运维平台等积极有力的行业解决方案。(点击子标题链接查看产品详情☟)

人才,是第一生产力——MoPaaS人工智能实训平台

当人工智能上升到国家战略,人才的培养就不应只是高校的职责。MoPaaS充分意识到教育和人才的重要性,已为多家高校及科研机构成功搭建自主研发的人工智能实训平台。通过提供基于包括TensorFlow、Torch、Caffe等多种算法技术框架,灵活地提供相关AI服务,实现了最优的GPU服务器集群的资源管理和调度。在满足高校有关人工智能教学及实训需求的基础上,突破技术困境,为学生提供了更多创新的思路和机会,成功孵化出经得起市场检验的商业团队。

万物互联,智能制造2025——MoPaaS 工业互联平台

智能制造作为IoT市场的一部分,承载着工业制造业乃至国家第二产业的未来。根据 IDC发布的研究报告,到2020年,在全球领域将会有250亿的物联设备连接。整个市场的规模将会达到72000亿,其中工业互联平台将占据约30%的物联平台市场份额(IoT Analytics)。MoPaaS作为最早进入该领域的PaaS厂商,为航天科工打造的中国首个工业互联网云平台——INDICS,在日前亮相2018年德国汉诺威工业博览会时,获得一致好评。MoPaaS工业互联平台有极高的资源利用率,达到传统方式的4倍以上,大大节省了基础设施资源投入。另外MoPaaS提供统一开放的标准和协议,可以实现与工业互联平台底层数据收集系统、上层的应用系统和其他第三方的服务实现灵活快速的集成,提供统一的解决方案。

安全地使用云——MoPaaS SRE 智能化运维平台

Gartner近期的一份调研报告对“云是否安全”这一话题进行了探讨,其中提到“到2022年,至少95%的云安全故障都由客户失误造成”。针对以上问题,MoPaaS早在去年就已推出的SRE智能化运维平台产品能很好的解决CIO们的困扰。SRE管理平台子系统支持自定义步骤和表单以及图形化拖拽式的流程定义,设定完善权限定义,并在相应节点设专人处理流程,降低了因管理造成的失误概率。通过与CMDB、自动化平台等其余模块的协同,不但能降低研发进度和应用运行稳定度之间的矛盾,也确保配置管理、系统监控、故障隔离、故障恢复等一些列自动化智能运维的实现,保证系统的可靠运行。技术的高可用性与MoPaaS云平台业务的完美结合,更是为企业提供从开发到运维的一站式服务,降低成本节约社会资源。

“MoPaaS将会始终坚持以技术为导向,以服务为根本。”MoPaaS CEO鲁为民针对此次新获专利评价道,“我们会继续不断完善以核心技术专利为依托的场景化云平台技术及服务,与更多行业内的合作伙伴共同搭建云计算生态,为企业带去更大的价值。” 在IaaS+PaaS或SaaS+PaaS模式将成趋势的现实中,在PaaS平台成为云计算生态集成中重要一环的有力条件下,我们将继续扩大行业领域布局,有效提高产品市场化占有率,同时助力用户企业进一步发扬其自身优势,进入产业“快车道”!

校庆日在iCenter | 四月清华园,邀您共襄一场智能制造系统的盛宴

2018年4月29日,清华大学即将迎来建校107周年,作为校庆系列活动之一,“智能制造系统与产业前沿”研讨会将在清华大学iCenter隆重召开。

此次研讨会将邀请来自麦肯锡、微软、PTC等行业知名公司的高级顾问,以及精益汇智、殷泊科技等清华校友创业公司的CEO出席,就智能制造企业转型、工业物联网、人工智能、混合现实、数字化精益等内容发表主题演讲与研讨。MoPaaS的CEO鲁为民博士有幸被邀请参加此次研讨会并作主题演讲,他将介绍 MoPaaS近年来在智能制造和工业云平台方案上的一些实践

郑桦微软混合现实产品市场经理

主要负责中国地区微软混合现实产品,特别是Microsoft HoloLens产品落地以及市场拓展策略。在此之前,郑桦还分别曾经任职在Surface、Windows产品市场经理,并曾经负责微软与全球战略合作伙伴(Intel, AMD, Nvidia)在中国市场的业务合作。

陈继忠PTC公司国防及北方区售前技术总监

智能制造委员会负责人

清华大学精密仪器系,博士。长期专注于CAD/PLM、智能制造的研究和实践,行业经验超过15年,参与航空、航天、船舶、国防电子、汽车等行业多个重点PLM、智能制造项目的规划及实施工作。

王华龙罗克韦尔中国销售总监

2000年毕业于清华大学机械工程系,2012年获人民大学工商管理硕士学位, 2013年获美国耶鲁大学管理学院高级管理硕士学位。拥有17年大型跨国公司工作的经验,先后在通用电气、施耐德电气等企业担任职业经理人和团队领导者。

宋光费斯托中国高级顾问

意大利米兰理工大学,博士。为费斯托(中国)有限公司及多家企业的高级商业顾问。主要研究领域包括全球供应链管理、企业物流管理、物流产业规划。目前,已为多家国际企业完成了全球供应链的设计和优化,在国内进行了多项省级、市级的物流产业和物流园区规划。

竺浩亮麦肯锡公司运营经理

浙江大学,计算机学士;德国斯图加特大学,机械制造硕士。具有15年的企业卓越运营、智能工厂规划和数字化生产经验,服务企业近100家。先后就职于德国弗劳恩霍夫研究所、德国诗道芬咨询公司,担任首席咨询师。

黄毅精益汇智联合创始人兼CEO

先后于清华大学自动化系、工业工程系取得学士、博士学位,麻省理工学院(MIT)人工智能访问学者。精益汇智联合创始人兼CEO,已领导团队为30+大中型工业企业,实现MES、智能运营分析、数字化诊断等精益运营管理数字化系统的构建,擅长将物联网、云计算、高阶分析和模块化软硬件等数字化和智能化技术,融入企业生产运营场景,协力企业智能转型。

张文浩独到科技创始人兼CEO

清华大学计算机系博士学位。2012年创办独到科技,开拓出人与信息之间新的联系方式,开发“紫豆助手”,“紫豆机器人”和“友问币答”等产品。为腾讯、阿里巴巴、OPPO、华为、华谊兄弟等数百家国际知名客户提供数据产品及服务,获得了著名风险投资机构IDG资本的投资。

鲁为民殷泊科技创始人兼CEO

先后获得清华大学学士和美国加州理工学院 (CalTech) 博士学位。在云计算、大数据、机器学习、和智能系统等领域具有丰富理论和实践经验,先后在NASA JPL、硅谷IT初创公司、IBM 等从事多年高科技产品研发。创办MoPaaS,基于自主的专利技术打造智能化PaaS 云计算平台产品和服务。被国际知名市场调研公司Forrester 评为中国企业级云平台市场的强劲表现者。

林添孝北京光轮电子科技有限公司创始人兼CEO

北京大学物理学学士、硕士。嵌入式系统专家,从事软硬件技术开发20多年,参与开发软硬件项目和产品近二百个。历任清华大学清大公司销售部经理、清大仪器厂厂长、航天部华迪计算机公司事业部经理。2007年创建光轮电子公司,发明TreeOS物联网操作系统、AlphaMCU编程机器人,获多项发明专利。曾获全军科技一等奖,中国兵工学会专家库入库专家。

胡竞德美鹰华创始人兼CEO

2005年毕业于清华大学精密仪器系,主要从事图形识别在激光自动化领域的应用。于2015年由清华科教投资创办德美鹰华系统科技有限公司,担任CEO。专注智能激光装备在工业自动化中的应用,以及激光数字工厂的推广。

胡锐美国国家仪器院校计划大区合作经理

先后毕业于浙江大学(BS)与帝国理工学院(MS)。担任美国国家仪器有限公司院校计划大区合作经理,专注于工业物联网、预测性维护、智能制造领域,目前负责清华-麦肯锡数字化能力发展中心项目中预测性维护系统的方案实施。

王轶捷云城科技创始人兼CEO

清华大学电子工程学士、华盛顿大学电子工程硕士学位和加州大学伯克利分校MBA。有多年产品研发、架构以及行业战略经验,先后就任思科总公司、Violin Memory上市团队商业发展副总裁。现为云城数据CEO,致力于设计构建面向中国市场的工业数据解决方案。

孙高岭厚石网络CEO

1996年~2004年就读于清华大学自动化系,曾在Rockwell,Belden,Festo从事市场和销售管理工作,现任深圳市厚石网络科技有限公司CEO。

研讨会当天,iCenter为大家准备了一系列精彩活动:

技术创新辅修专业学生双创成果展示

VR现场互动体验区域

更有热场大咖~

NAO机器人组队的惊喜表演哦

盛情邀请您的诚意不止以上,精心准备的特色校庆日礼品也在iCenter等着你,快来参与吧!

由于研讨会场地可容纳人数有限,现场将根据报名顺序优先安排入席。请扫描上方二维码填写报名表~

“MoPaaS杯”首届清华iCenter人工智能挑战赛成功举办,人工智能平台助力AI人才培养

在刚过去的这个周末(4月14-15),由清华大学iCenter和MoPaaS联合举办了 “MoPaaS杯”首届清华iCenter人工智能挑战赛。大赛围绕“未来已来,相约AI”的主题,吸引了校内众多来自不同专业的同学前来参赛,这也成为很多同学志同道合的起点。

近两年来,人工智能、大数据、云计算作为加速企业创新、引领社会革命的引擎,已经在金融、能源、医疗、教育等对技术有高度需求的行业创造了大量与人工智能大数据相关的职位,从而导致多达500万的人才缺口。

为了填补巨大的人才缺口,我国政府相继提出《中国制造 2025》的十年行动纲领和《新一代人工智能发展规划》,要求采用更有效的方法来培训人工智能大数据相关技术人才,将人口红利变为人才红利,从而更好地推动人工智能科研成果向产业实践转化。

国家《新一代人工智能发展规划》中设立了”2030年人工智能理论、技术与应用总体达到世界领先水平,成为世界主要人工智能创新中心”这一国家战略目标, 人工智能教育将面临着巨大的挑战。面对这一崭新的课题,探索实践AI人才培养的教学内容和方法,培养中国AI产业的应用型人才,已迫在眉睫。

“科技进步带来了认知和需求的不断攀升,学生们需要从生活实践的角度出发,结合学习到的人工智能技术,提升自身整体能力,检验学习带来的成果。清华iCenter立足于这一点,十分重视和产业界优秀企业的合作,通过产学研的结合,可以扩大学生的视野,也能培养出更适合产业的人才。这次和MoPaaS共同举办人工智能挑战赛,也是基于这个出发点。”清华大学iCenter主任李双寿教授说。

“MoPaaS很荣幸有机会和清华大学iCenter合作,并为iCenter打造人工智能平台,方便学生在人工智能领域进行学习和创新。”MoPaaS CEO鲁为民博士谈起双方的合作时分享到,“清华iCenter作为清华重要的校内创新创业实践教育基地,一直走在全国高校的前列。与企业进行深度合作打造最前沿的双创技术平台,是在保持与产业的实时深度交流。我们欣赏这样的合作伙伴,也将继续加深这样的合作。同时,MoPaaS也鼓励学生运用创新思维,积极发掘人工智能应用场景,把AI实训平台打造成能将创意转化为落地项目、将技术落地到实际应用的有力工具,将科研与生活实现进一步的紧密结合。”

清华大学iCenter作为全球最大的校园创客空间,始终践行“弘扬创客文化、实践工程教学育人“的宗旨,在人工智能教学和科研领域做了很多探索,支撑了一批以智能为主题的技术创新辅修专业。

清华大学 iCenter与 MoPaaS联手打造的清华iCenter人工智能平台,成功地为清华师生及创客们提供了一站式人工智能开发服务,帮助同学们将人工智能相关的创意落地,更帮助同学真正实现创业梦想。

MoPaaS为清华iCenter人工智能平台提供包括TensorFlow、Torch、Caffe等多种算法框架,并通过PaaS平台灵活地提供相关的AI服务。平台同时也实现了GPU服务器集群资源管理和调度,从而高效地分配、管理、监控计算资源。此外,该平台也为平台用户以及管理人员提供友好直观的UI界面。

此次大赛有幸邀请到了清华校友,目前在北京大学任教的王龙教授做开幕演讲《人工智能:从哪里来?向何处去?》。王教授从清华与人工智能的渊源讲起,从1935年自动化领域控制论的创始人维纳讲起,生动描述了人工智能如何与控制论理论相互滋养,促进认知的进步。作为控制论领域的资深学者,他给同学们上了一堂史料翔实的课,也为此次大赛开了个好头。

比赛虽然在周末,但现场的比赛情况十分火热,共收到十多组参赛项目,参赛学生专业涵盖人文、生物、电子信息、年级从二年级到四年级不等。打破常规的比赛规则和参赛形式点燃了同学们的激情,也激发了厚重的潜力,一批优秀的项目脱颖而出。

经过两天紧张的比赛,最终由电机、能动、美院及人文学院的张庭梁小组凭借“ReBo新概念情感化AI机器人”项目摘得桂冠。电子系的田野小组与江振宇小组分别凭借对“核酸检测”和“帕金森辅助诊断”的关注和研究获得由评委会颁发的二等奖。另外,大赛还对自动化系的柳荫等“基于视觉的三维室内场景建模”项目颁发了三等奖。

 

 

此次比赛MoPaaS邀请了来自投资界、产业界和学术界等众多知名专家学者组成的评审委员会,从项目的设计、实现、展示三方面结合创新性、技术难度、商业可行性等客观地给参赛同学们一一点评。

清华大学自动化系教授、博士生导师张长水教授对一等奖获奖项目给予了肯定“首先项目成员分别来自电机、能动、美院及人文学院,专业背景的丰富多样性碰撞出项目中颇多亮点,其创新性毋庸置疑。从技术实现方面,则需要更明确地定义产品的边界。通过为市场上已有产品进行某部分功能优化是项目能更快落地的一种选择。”

马力创投的CEO邰志强先生认为:“人工智能正在走入人们的生活是趋势也是现实。在校园里的学生作为新生力量,需要足够的训练和上手实践,这也是本次比赛的目的之一。学生也确实让我们眼前一亮,不论从疾病诊断辅助角度还是机器人情感化的角度,都是即新颖又大胆的想法,期待项目之后的表现,我看好他们。”

而MoPaaS的研发副总裁沈阅斌先生也从平台的技术角度给出了解读:“本次比赛使用的平台采用了GPU高性能工作站的集群,通过MoPaaS的云平台技术向学生提供相关AI 服务,可以说,我们和学校这次的合作,让我们更加了解学生及平台使用者们的需求,为产品的进一步优化升级提供了非常有价值的信息。MoPaaS会在教育领域继续发力,期待为更多的高校、科研机构等提供高质量的人工智能平台和服务。”

正如MoPaaS研发副总裁陈赤榕先生代表举办方在开幕致辞中所期望的 :比赛虽然只有两天时间,但我们看到的不只是项目的coding,更见证了跨专业跨学科合作所碰撞出的火花。清华学子们以实际行动传承着百年校训“立德立言,无问西东”。

直击现场| 首届“MoPaaS杯”清华iCenter人工智能挑战赛

MoPaaS首次与iCenter联合举办的人工智能挑战赛如期在李兆基大楼B634举办。现场启动仪式由MoPaaS的研发副总裁陈赤榕、清华大学iCenter智能系统实验室主任陈震和北京大学系统与控制研究中心主任王龙教授开幕致辞,并作了精彩报告。

作为十几年前的清华莘莘学子,陈赤榕先生以校训“立德立言,无问西东”为演讲主题,表达了对本次比赛的期望:“比赛虽然只有两天时间,但目的不止在于看到项目的coding。做为清华的学生实力不弱,但我们更希望看到跨专业跨学科的合作,看到一个团队的协作能力。在这里‘无问西东’的意思,也是希望我们的同学在面对AI这项世界最新的技术,能够做出自己不凡的贡献。 ”

同样,身为清华校友,目前在北京大学任教的王龙教授,从清华与人工智能的渊源讲起,从1935年自动化领域控制论的创始人维纳讲起,生动描述了人工智能如何与控制论理论相互滋养,促进认知的进步。作为控制论领域的资深学者,他给同学们上了一堂史料翔实的课,也在这个基础上提出了人工智能未来发展方向的新思路。

清华大学iCenter作为弘扬创客文化、实践工程教学育人的基地,在人工智能教学和科研领域做了很多探索,支撑了一批以智能为主题的技术创新辅修专业。作为一家在工程创新教育领域有深厚积累的教学单位,清华iCenter不断引导那些有潜力的同学们,让他们的创意创新情怀能够落地,同时让一小部分的同学真正实现创业梦想。这几年来,清华iCenter不断走出了智能领域的创业团队,如幻腾智能、独到科技等等,培养了一批站在人工智能这一最前沿科技的人才,让同学们能够乘着技术的浪潮而顺势翱翔。

MoPaaS的研发副总裁沈阅斌就本次大赛使用的AI平台做了更深入的介绍。MoPaaS为清华iCenter打造的人工智能平台,除了实现软硬件融合进行人工智能实训的便捷功能,也能够为更多的高校以及科研机构带来人工智能平台应用的全新视角和选择。

目前,比赛进行到一半,各支参赛团队都在摩拳擦掌、跃跃欲试。参赛的同学们将会有什么样的奇思妙想?参赛同学的作品会带给大家多大的惊喜?所有这些创新又将会让我们从哪些角度重新认识人工智能? 我们十分期待明天赛事将会更加精彩!!!

最后,祝愿各支参赛队伍都能如愿以偿、收获大奖!👇

 

再看我,我就把你变成代码吃掉!

MoPaaS@Cloud Foundry Summit 2018

Cloud Foundry 的全球峰会(Boston站)将于2018年4月18-20日在美国Boston召开。对于希望了解最新Cloud Foundry PaaS平台技术发展现状和各类成功案例的技术人员和CIO们, 这次Boston峰会是不容错过的机会。

Cloud Foundry作为企业级PaaS开放标准技术已被全球众多企业广泛运用于自动化和规模化地管理云应用生命周期。最新的市场调查显示,目前Cloud Foundry在所有PaaS技术和服务中具有最高的市场占有率。仅在北美和欧洲市场, Cloud Foundry已成为近90%的大中型企业在生产环境中PaaS的技术选型,特别是在工业制造、电信、金融和政务等领域和行业采用更为广泛。Cloud Foundry已成为像美国GE Predix、德国西门子 Mindsphere和中国航天云网Indics 等主流工业互联网平台的首选PaaS平台技术。

作为Cloud Foundry基金会最早的会员之一,MoPaaS打造了基于包括Cloud Foundry 技术在内的业内领先的企业级PaaS融合云平台产品和服务。MoPaaS从2013年第一届峰会开始已连续五届参加这个峰会。此次MoPaaS创始人兼CEO鲁为民博士非常荣幸受到Cloud Foundry基金会的邀请,将飞赴美国Boston再次以峰会演讲嘉宾的身份出席。他将结合公司多年的PaaS和容器云产品和服务的实践经验和成功案例, 发表题为《Customizable CI/CD with Cloud Foundry》演讲,详细介绍灵活方便的自定义持续集成/持续交付(CI/CD)服务以及在Cloud Foundry 平台实现,非常欢迎各位莅临交流。

April 18-20, 2018 | Boston, Massachusetts, USA

本次Boston峰会包含四大分论坛:

Use Cases

Core Project Updates

Experiments

Extension Projects

在Cloud Foundry峰会上,您除了能学习Cloud Foundry最新的云技术,还可以获得培训,并与其他开发人员和架构师建立有价值的联系。持续三天的峰会,每一天都是干货满满,亮点多多,互动娱乐性极强。

April 18

9:00AM – 3:00PM

 ISV Day

听取来自云计算认证供应商们的经验,寻求合作的机会。

Escape Unit: Rise Of SALI Created By Liberty Mutual Insurance

SALI是世界上第一个专门为保险行业进行数据分析而设计的AI系统。而她是个小淘气。在这个由Liberty Mutual Insurance创建的移动逃生室体验中,您和您的队友必须重新获得SALI的控制权。

 

April 19

6:15AM – 7:15AM

 5K Fun Run

来参加Westin Boston Waterfront Hotel 礼宾部举办的5K FUN RUN吧,在跑步的过程中领略波士顿的城市地标,并以一种完美的方式来重新唤醒您的能量。

12:40PM – 2:10PM

 Diversity Luncheon & Program

Eighty Twenty: The Gender Pay Gap Exposed

在女性的职业生涯中,性别收入差距可能会导致100万美元的工资损失。另外因为她们总是在追求一些无法企及的东西,更容易导致情感上的缺失。加入我们的多样性午宴,共同探讨性别收入差距对科技女性的影响。

April 20

7:45AM – 8:45AM 

The New Stack Pancake Breakfast & Podcast – Cloud Foundry + Kubernetes: Where Do We Go From Here?

来参加Cloud Foundry峰会2018 TNS Pancake早餐世界之旅的第一站吧,共同探讨开发人员和用户如何花费他们的时间来开发开源软件项目,从而在开放的公共平台上大规模地构建应用程序。

招人了!MoPaaS一大波职位等你来~

MoPaaS——B轮企业云平台服务提供商,以业务场景为主导,提供包括物联网和工业云平台,人工智能实训和创新平台,以及SRE智能化运维平台和服务,助力企业快捷地实现数字化转型。作为国内企业级云平台市场的有力竞争者,我们被国际知名市场调研公司 Forrester 评为中国企业级云平台市场的“强劲表现者”,并对MoPaaS Docker容器云解决方案给出高度的评价。创始团队更是先后就职于IBM、NASA、Oracle等国际知名公司,拥有多项国内外发明专利。现在,经过四年的高速发展,我们正在寻找优秀的人才加入,让更大的团队创造更多的价值,一起成就未来。
招聘职位:JAVA软件工程师

招聘人数:3人 

工作地点:嘉兴

职位要求:

  1. 熟悉云计算优先
  2. 熟悉J2SE、J2EE规范、SSH框架,能进行独立开发
  3. 熟悉MySQL,掌握SQL语言
  4. 有Linux使用经验,可以写简单shell
  5. 能看懂英文技术文档
  6. 良好的沟通和团队合作能力
招聘职位:Web前端开发工程师招聘
人数:3人 工作
地点:嘉兴
职位要求:

  1. 前端开发1-2年以上工作经验
  2. 精通web前端架构
  3. 精通javascript,对javascript面向对象程序设计有深刻的认识并有实际项目经验
  4. 精通jquery、zepto或其他javascript框架
  5. 精通HTML5、css3及移动端的web前端开发(APP/WEB/H5/),熟练掌握响应式开发
  6. 能独立完成产品中的功能模块
招聘职位:商务招聘
人数:1人 工作
地点:上海
职位要求:

  1. 本科以上学历,性格开朗
  2. 独立等商务拓展谈判经验,有创投机构和媒体资源优先
  3. 具有良好的互联网运营思维,有一定的互联网行业BD资源和经验
  4. 有创意精神,具备良好的挑战抗压能力
  5. 工作责任心强,有较好的市场数据分析能力
招聘职位:公有云销售经理招聘
人数:5人 
工作地点:上海、嘉兴或苏州
职位要求:

  1. 有公有云销售经验
  2. 了解阿里云、AWS、微软云、华为云
  3. 有公有云客户资源或从事过IT行业电话销售优先
  4. 有良好的客户服务意识;热爱销售工作,踏实肯干
  5. 诚实守信,敬业热情,工作勤奋主动,具有良好的团队合作精神,有强烈的竞争意识,承受较强的工作压力,愿意接受工作挑战
简历请发送到ynma@anchora.me

邀请函 | “MoPaaS杯”第一届清华iCenter 人工智能挑战赛

 

“MoPaaS杯”第一届清华iCenter人工智能挑战赛将在清华大学李兆基大楼举行,本次大赛旨在激发学生在人工智能领域应用开发的创新创意,培养学生的实践创新能力,推动人工智能技术的产学研结合。本次大赛鼓励学生们以小组为单位参赛,参赛学生根据自己对人工智能的认知和了解,提供原创的基于人工智能技术的应用软件或硬件参赛。大赛鼓励参赛者在参赛项目实施中使用由清华iCenter和MoPaaS联合打造的清华iCenter AI平台,比赛现场由MoPaaS全程提供技术支持。

AI平台不仅面向用户提供多种如TensorFlow、PyTorch、Caffe等AI框架环境,帮助学生们快速搭建想要的环境,满足不同的研究学习用途,更好的将想法落地。同时,基于Docker实现的AI平台可以满足每个同学的数据都在独立的容器内,互不干扰。

时间:2018年3月26日-4月13日

参赛学生可关注MoPaaS/iCenter公众号后,点击菜单栏 “AI挑战赛”一栏填写报名信息并报名。或直接点击本文阅读原文报名参赛。

注意:报名需同时将小组项目内容进行简单介绍,包括项目名称、团队组成、项目基本构想等。

一等奖:1组

价值3000元

二等奖:2组

每组价值1000元

三等奖:3组

每组价值500元

获奖同学还将每人获得价值1000元的MoPaaS云资源

乔女士:18258236597

顾女士:13816946771

王老师:13521515855