一个维基百科模型，您的问题实际上得到了回答。Quora的商业模式非常出色，旨在长期留在市场中。Quora由两个前Facebook员工Adam D'Angelo和Charlie Cheever于2009年成立，是一个问答门户，内容（问题，答案和编辑）由用户自己创建。尽管如此，Quora收入模型只是通过广告模型的基本收入，该模型将广告交付给与他们相关的用户。
“为什么有这么多音乐会使用 Ticketmaster？”“要成为寿司厨师需要进行怎样的培训？”“武术家是如何打碎混凝土块的？”如果你是在 10 年前寻找这类问题的答案，那么最有可能找到详细、专业的回答的一个地方是互联网上最有趣、存在时间最长的社区之一：Quora。
编程是一项有趣的工作，每位程序员在职业生涯中都会发生很多有趣的事情，本文收集了一些与程序员有关的图，希望能给你带来一时的轻松与快乐。
△ 题图来自TechCrunch 晓查 李林 编译自 Quora 量子位 出品 | 公众号 QbitAI 昨天，美国问答网站Quora宣布完成了8500万美元的D轮融资，估值翻倍。这样说来，Quora现在的估值应该是18亿美元，成了一只新的独角兽。 在过去一年里，Quora除了继续扩大用户规模之外，还开始了商业化尝试，机器学习技术在这家公司业务上的应用，也增加了很多，不仅已有的机器学习应用用上了更大更好的模型，机器学习的使用领域也有扩张。 那么，Quora现在是怎样使用机器学习的？其机器学习负责人Nik
作者｜Nikhil Dandekar 翻译｜薛命灯 2015 年，Quora 的工程主席 Xavier Amatriain 非常精彩地回答了 Quora 上的一个问题：“Quora 在 2015 年将如何应用机器学习”。从那个时候开始，机器学习在 Quora 的应用得到了长足的发展。他们不仅更加深入地为已有的机器学习应用构建更大更好的模型，而且将机器学习技术应用到更多领域。 而在今年，Quora 的工程经理 Nikhil Dandekar 在 Quora 上回答了类似的问题：“Quora 在 2017 年将
万豪酒店数据泄露的事情还没平息，又有一位难兄难弟来分散焦点。12月4日早上，国外知名问答社区 Quora 在其博客上发布安全公告称，某个系统遭遇第三方入侵，近一亿用户重要信息可能已经泄露。
Where else but Quora can a physicist help a chef with a math problem and get cooking tips in return?
在Quora，我们已经使用机器学习方法一段时间了。我们不断提出新的方法，并对现有方法进行大的改进。 重要的是要注意，所有这些改进都是首先通过使用许多不同类型的离线指标进行离线优化和测试，并最终通过A / B在线测试的。在下面的段落中，我将介绍Quora在2015年ML的最重要的应用和技术。
主题在Quora的知识生态系统中扮演着几个关键角色。例如，人们按照主题来表示他们的兴趣，这有助于我们向他们展示他们会发现有价值和吸引力的内容。同时，当人们添加问题时，他们用相关主题标记它们，以便该问题可以被传递给具有相关专业知识的回答者，以及希望更多地了解该问题的人。为了补充这一点，人们识别他们具有专门知识的主题，以及他们可以在他们的个人页面或通过他们的主题bios提供令人信服的答案。主题形成了Quora的知识语料库的重要组织骨干。
上述的个性化排名已经是推荐系统的一种形式了。例如，流行的Quora电子邮件摘要包括已选择并为您推荐的故事集合。 这是一个不同的learning-to-rank模型，针对不同的目标函数进行了优化。除了排名算法，我们还有其他个性化的建议，出现在产品的不同部分。例如，在不同的地方，您会看到您应该关注的人或主题的建议（见下文）。
翻译 | AI科技大本营（rgznai100） 参与 | Joe，焦燕 2000年早期，Robbie Allen在写一本关于网络和编程的书的时候，深有感触。他发现，互联网很不错，但是资源并不完善。那时候，博客已经开始流行起来。但是，Youtube还不是很普遍，Quora、 Twitter和播客同样用者甚少。 在他转向人工智能和机器学习10年过后，局面发生了天翻地覆的变化：网上资源非相当丰富，以至于很多人出现了选择困难，不知道该从哪里开始（和停止）学习！ 为了使大家能够更加便利地使用这些资源，Robbie A
中国互联网企业正在世界级舞台上扮演日益重要的角色——至少从CES、MWC这些国际展会来看，中国互联网企业的身影正越来越多。今年SXSW（西南偏南）也首次迎来了中国面孔，知乎、摩拜单车、出门问问等中国公
当一个答案被添加到Quora时，存在着将它分发给跟随作者的人的各种机制。其中最突出的是主页Feed和摘要电子邮件，但也有其他途径，如较新的“您关注的人”电子邮件。通过这些分布渠道之一，作者的直接追随者可以升高答案，将答案传播给二级学位追随者。如果一个或多个第二位的追随者upvote答案，那么它有机会被第三位的追随者等等观看...
AI 科技评论按：实际上，号称「美版知乎」的 Quora 也已经大量引入了机器学习技术，而 Quora 的工程师们则喜欢把自己研究机器学习、产出技术方案的过程戏称为「炼丹」，如今他们也想对外分享他们的经验和成果，开始做一系列「机器学习炼丹之旅」的技术博客。日前，他们发出了该系列博客的第一篇——《使用 Alchemy 做特征工程》（「Feature Engineering at Quora with Alchemy」），作者为 Quora 的两位工程师 Kornél Csernai 和 Naran Bayanbat。雷锋网 AI 科技评论编译如下。
今天介绍一位天才程序员——亚当·德安格洛（Adam D'Angelo），他被《财富》杂志誉为“科技界最聪明的人之一”，大学去了被誉为"天才"摇篮的加州理工，毕业后成为 Facebook 的第一任 CTO，后创造全球领先问答公司 Quora。2016 年福布斯排行榜 40 岁以下最富有企业家中排名第 24 位。最可怕的是，这个身价数十亿的小伙子，是个 80 后(1984年出生)，开挂的人生从来都不需要解释
关于更多机器学习、人工智能、增强现实、Unity、Unreal资源和技术干货，可以关注公众号：三次方AIRX
OAuth2 角色 resource owner：资源所有者（指用户） resource server：资源服务器存放受保护资源，要访问这些资源，需要获得访问令牌（下面例子中的 Twitter 资源服务器） client：客户端代表请求资源服务器资源的第三方程序（下面例子中的 Quora）客户端同时也可能是一个资源服务器 authrization server：授权服务器用于发放访问令牌给客户端（下面例子中的 Twitter 授权服务器） OAuth2 工作流程例子 客户端 Quora 将自己注册到授
自从Facebook的创始人Adam D'Angelo开始效力于这个大量使用了PHP的网站，我就一直在想他要用Python而不是PHP来创造Quora所遇到的技术挑战。
自从我一年前加入Quora，我一直在谈论在这里的所有的非常有趣的关于机器学习的挑战。然而，当我上周参加并在MLConf发言时，我很惊讶，许多和我谈过的人仍然没有听说我们在做什么。 在这篇文章中，我将简要总结一些好的要点，让你了解更多。
比赛内容之一，就是让AI识别出建立在虚假前提上的问题，简称虚假问题 (Insincere Questions) 。
原文：10 More lessons learned from building real-life Machine Learning systems — Part II 译者：刘翔宇 审校：赵屹华 责编：周建丁 在我上一篇博客中，我介绍了10点新的经验，并且讲述了其中5个。那么现在来讲讲剩下的5个吧。 6.特征工程的烦恼与收获 一个性能良好的机器学习特征的主要特性有： 可复用性 可转换性 可解释性 可靠性 这些特性究竟意味着什么？ 可复用性：你应该可以在不同的模型，应用和团队中重复使用特征。 可转换
PyPy是用Python实现的Python解释器，集成了一种即时 (JIT) 编译器。这与能够以革命性的方式改变 Java 性能的知名技术 HotSpot 属于同一种技术的不同形式。
2018年到年底了，盘点一年的网络安全事件，“数据泄露”肯定是今年的年度最热话题之一：
AI 研习社按：今天要介绍的比赛是 Quora Question Pairs，该比赛的目的是将具有相同意图的问题正确配对。最近本次竞赛的冠军在 Kaggle 社区分享了竞赛经验， AI 研习社进行了编译。 Quora 是一个获取和分享知识的问答平台，它能够促进人们互相学习，以更好地认识这个世界。每个月有超过 1 亿的人访问 Quora，所以有许多人可能提出相似的问题。然而这些具有相似意图的问题可能会使得寻求者需要花费更多的时间，才能找到所需的最佳答案，而答题者可能也会觉得很多问题存在重复。 为了更好地发掘那
📷 大数据文摘作品 编译：潇夜、大饼、蒋宝尚 昨天，谷歌刚刚上线的机器学习课程刷屏科技媒体头条（点击查看相关评测）。激动过后，多数AI学习者会陷入焦虑：入坑人工智能，到底要从何入手？ 的确，如今学习人工智能最大的困难不是找不到资料，更多同学的痛苦是：网上资源太多了，以至于没法知道从哪儿开始搜索，也没法知道搜到什么程度。 为了节省大家的时间，我们搜遍网络把最好的免费资源汇总整理到这篇文章当中。这些链接够你学上很久，而且你看完本文一定会再次惊叹：现在网上关于机器学习、深度学习和人工智能的信
最近连续在 Quora 看到几个关于 Go 和 Rust 的问题，讨论的都是为什么看起来 Rust 的设计、性能等许多方面都优于 Go，但为什么就是没有 Go 流行呢？
近日，研究人员发现了 Spectre CPU 漏洞的一种新变种，能通过基于浏览器的代码利用。研究人员使用 Firefox 的 JavaScript 引擎 SpiderMonkey 52.7.4 对英特尔的 Haswell 和 Skylake 处理器，以及 AMD 的 Ryzen 处理器成功执行了 SplitSpectre 攻击。不过用户无需担心，现有的 Spectre 缓解方法也能阻止 SplitSpectre 攻击。
原文请见：How do data scientists use statistics? http://datastories.quora.com/How-do-data-scientists-use-
来源｜Quora 整理｜AI100 AlphaGo大战柯洁、李世石后，所有人都能谈上几句深度学习。人工智能在围棋上的这场突破，最终还要归功于机器学习三巨头三十年如一日的长期研究。 相比之下，横扫Kaggle大赛的XGBoost（去年的29个获奖方案中，有17个是用XGBoost），名气可就小太多了。更何况，它的发起人还只是个名不见经传的年轻人。 有人打抱不平说，XGBoost要比深度学习更重要，这一点毫无疑问。 因为它好用，在很多情况下都更为可靠、灵活，而且准确；在绝大多数的回归和分类问题上，XGBoo
Keras是一个Python深度学习库，它可以使用高效的Theano或TensorFlow符号数学库作为后端。同时，Keras很容易使用，你可以在几分钟内开发出你的第一个多层感知器，卷积神经网络，或者
【新智元导读】2017年，哪些机器学习领域的知识技能最具价值？以下内容选自Quora，答主Vladimir Novakovski是Euclid Analytics公司的前CTO，Quora机器学习负责人；而Shivam Kohli曾就读于Guru Tegh Bahadur Institute of Technology。 “2017年，哪些机器学习领域的知识技能最具价值？”这个问题最早在Quora上发布。以下是Quora上的两个回答，其中共提到了10个最重要的机器学习技能。 以下是来自用户Vladimir
👆点击“博文视点Broadview”，获取更多书讯 今天， “997”“007”“毕业”“优化”等像乌云一样笼罩在国内的互联网产业。 面对激烈的企业竞争、巨大的业绩压力、严峻的就业形势。产品经理、工程师们把身体推向极限，不断延长工作时间，竭尽全力扩大产出，以求顺利度过行业寒冬。 其实，不仅国内企业举步维艰，国外企业的日子一样不好过。 不知从何时起，硅谷变得越来越不“酷”，越来越不自信了。 工程师和产品经理陷入了不断延长工作时间的“内卷”； 管理者提出的目标不断被质疑， 企业文化变得同质、幼稚； 在短视频、
现在，种种线索都表明，此次事件的幕后黑手，有可能是OpenAI董事会成员之一——Adam D‘Angelo。
如果你用过Google的一些服务，在提交请求和确认信息时一定遇到过验证页面。一般来讲，Google旗下服务的验证页面使用ReCapcha，就是让你在指定的框框里点个勾。目的很明确，就是要确认你是活生生的人，不是机器人bot。
12月1日，火绒安全团队发现一种新型的勒索病毒在国内爆发，随后在4天时间内就感染10万用户。该勒索病毒并不勒索比特币，而是要求受害者通过微信扫码支付赎金。此外，病毒除了锁死文件，还窃取了数万条支付宝、淘宝、京东等账户密码。火绒第一时间升级产品并推出解密工具。腾讯公司也已第一时间对所涉勒索病毒作者账户进行封禁、收款二维码予以紧急冻结。
在本节中，我们将看看答案在作者的相关受众中如何动态传播。在我们这样做之前，我们应该退一步，并反思我们如何期望网络距离的行为。具体来说，这个指标是否会是一件好事？在Quora，随着时间的推移，人们识别回答者谁生产了高品质的内容，并跟随他们。每当这种情况发生时，从读者到作者的网络距离缩短，这是生态系统应该具有的行为标志。
在去年年末，OpenAI的ChatGPT在技术圈已经火了一次，随着上周它的二次出圈，ChatGPT算得上是人工智能领域的一颗明星，它在聊天机器人领域有着不可忽视的影响力。其准确、快速、人性化的回答令人惊讶，让人感到未来已经到来。
王小新 编译自Quora 量子位 出品 | 公众号 QbitAI 谈神经网络中注意力机制的论文和博客都不少，但很多人还是不知道从哪看起。于是，在国外问答网站Quora上就有了这个问题：如何在自然语言处理中引入注意力机制？ Quora自家负责NLP和ML的技术主管Nikhil Dandekar做出了一个简要的回答： 概括地说，在神经网络实现预测任务时，引入注意力机制能使训练重点集中在输入数据的相关部分，忽略无关部分。 注意力是指人的心理活动指向和集中于某种事物的能力。比如说，你将很长的一句话人工从一种语言翻译
【新智元导读】你可能都认为数据更重要，但这个问题实际上非常复杂，不是简单的“是”或“不是”就能一言以概之。对于这个问题的理解，能够反映出对理论和实际应用问题把握的深刻，新智元摘选 Quora 精彩问答供你参考。 Xavier Amatriain（Quora 工程副总裁） 对这个问题，我希望你期待的不是一个简单的是或者否的答案。在过去几年里，数据更重要还是算法更重要这个问题，专家们（以及非专家们）已经进行过许多冗长的辩论，概括其结论，就是二者谁重要取决于许多细节和细微差别，了解需要时间。 我之前回答过一个很相
原作：Daniel Tunkelang 安妮 编译自 Quora 量子位 出品 | 公众号 QbitAI 爸爸，什么是机器学习呀？ 难以回答！抓了抓开始脱发的脑壳，爸比还是被这个问题KO了。这个有些学
问题句子相似度计算，即给定客服里用户描述的两句话，用算法来判断是否表示了相同的语义。 项目地址：https://github.com/yanqiangmiffy/sentence-similarity
从头开始实现算法是我看到初学者犯的最大的错误之一。
李杉 安妮 编译整理 量子位 出品 | 公众号 QbitAI 一个普通（移动）互联网公司的产品经理，也需要懂机器学习？Quora的产品设计师Abhinav Sharma说，几乎所有设计师都需要对机器学
原作 BAILOOL & meetshah1995 Root 编译自 GitHub 量子位 出品 | 公众号 QbitAI 人工智能最近火到炸裂，不看吧担心和时代脱节，看吧每天资讯多到想哭，信息过载心好累肿么办？ 来<(￣︶￣)↗跟着GitHub上的资深用户BAILOOL走，看看他们每日追踪的信息源，拿到第一手的学术进展和行业动态，不用再追着不同的网站看啦。 以下是原文 怎么避免“从入门到放弃” 不少童鞋发现人工智能很火，产生墙裂的学习兴趣（主要是工资高dei不dei），所以现在想上车学习，于是开始到处看“
---- 新智元报道 来源：Quora 编辑：yaxin, LQ 【新智元导读】问答网站 Quora 上一则关于「乔布斯工作有多拼？」的问题引起许多人的关注。一位苹果前工程师在这个问题下匿名，以自己的面试经历进行了回答。他表示，「对乔布斯的思念你无法想象。」 乔布斯工作有多拼？ 一位曾在苹果工作的工程项目经理在 Quora 上匿名以自己的面试经历回答了这个问题。 拒苹果offer？却被乔布斯个人魅力吸引 自 2003 年以来，这位工程师一直为苹果工作。 他表示，「自己在那个非常特殊的时
TensorFlow和Pytorch都是深度学习中流行的框架，两种框架各有优势，其中PyTorch v1.0于2018年10月发布，同时发布fastai v1.0，这两个版本都标志着pytorch框架走向成熟；TensorFlow 2.0 alpha于2019年3月4日发布。该版本增加了新功能并改善了用户体验，更加紧密地集成了Keras作为其高级API。如何选择一个框架来学习就成了大家讨论的问题。所以今天我们来用数据分析一下目前哪个框架更受大家欢迎。
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Gavin__Zhou/article/details/79121673
为我们的网络确定的最简单的度量之一是每个节点的indegree。这只是指向节点的链接的权重的总和。在我们的例子中，这对应于我们在上一节中定义的入站链路权重的总和。虽然我们的加权程序使这个棘手的数量有直观解释，加权indegree确实有它的优点，它捕获我们需要的所有效果。如果问题 - 主题关联和策展确实创造符合我们直觉预期的主题层级，则主题有机会通过至少两个不同的机制获得大的indegree。像“职业建议”这样的话题可能有很大的不确定性，因为小的概念重叠（和罕见的cocitation）与大量的其他话题;同时，像物理学这样的主题也可能由于与其子学科的非常强的重叠（因此，频繁的cocitation）具有大的indegree。相反，非常具体的子主题如羚羊将有小的indegree。在将来，当Quora更大时，由于当前缺少的主题（如羚羊解剖）的存在，羚羊主题将获得更高的indegree，但是在适当策划的主题层级中，其indegree将总是保持低于例如动物。
今年和去年前后相继出现了多个关于句子相似度判定的比赛，即得定两个句子，用算法判断是否表示了相同的语义或者意思。其中第4、5这个2个比赛数据集格式比较像，2、3 的数据集格式比较像，本仓库基于2、3数据集做实验
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
