重磅，2020-2021 AI人工智能技术领域/行业研究报告大合集，共58份。
2021年中国人工智能基础层行业发展研究报告
2021中国AI商业落地市场研究报告
2021中国新一代人工智能科技产业区域竞争力评价指数
2021中国新一代人工智能科技产业发展报告
2021十大人工智能趋势
2021人工智能指数
2021人工智能核心技术产业白皮书
2021人工智能工程技术人员-国家职业技术技能标准
2021人工智能赋能数字水务白皮书
2021人工智能赋能安全-应用案例集
2021人工智能发展白皮书
2021人工智能标准化白皮书
2021全球人工智能教育应用落地研究报告
2021全面融合发展中的中国人工智能科技产业
2021年中投顾问人工智能领域九大投资热点报告
2021年中国AI制造产业发展研究报告
2021年中国人工智能在工业领域的应用研究报告
2021年中国人工智能医学影像企业发展报告
2021年中国人工智能产业发展形势展望
2021可信人工智能白皮书
2021电信行业人工智能应用白皮书
2021 M如何通过AI迅速启动智慧城市
2021 AI新基建发展白皮书
2021 AI+数字孪生发展现状、应用场景及典型企业案例分析
2021 中国人工智能在工业领域的应用研究报告
2021 中国“AI 制造”产业发展研究报告
2021 时空AI赋能数字孪生城市白皮书
2021 如何通过AI迅速启动智慧城市
2021 人工智能与机器学习战略计划
2021 人工智能商业落地研究及趋势洞察
2021 人工智能和机器学习的现状
2021 全球AI技术发展趋势报告
2021 面向AI的智慧城市解决方案
2021 华为AI赋能智慧城市白皮书
2021 阿里巴巴大数据及AI实战
2020中国人工智能产业知识产权白皮书
2020新一代人工智能白皮书-46页
2020人工智能治理白皮书
2020人工智能应用实践与趋势白皮书
2020人工智能医疗投融资报告
2020全球人工智能战略与政策观察-共筑合作新生态-29页
2020年中国人工智能商业化应用专题研究报告
2020年人工智能安全框架
2020 AI新基建架构设计与经济价值研究
2020 AI 可持续发展白皮书暨智能产业生态联盟倡议书（中文版）
2020 中国人工智能厂商全景报告
2020 中国人工智能产业研究报告（三）：本报告主要聚焦人工智能技术与应用层市场研究
2020 智慧制造：AI技术，智能洞察
2020 腾讯人工智能白皮书
2020 人工智能制造业应用调查
2020 人工智能之数据挖掘
2020 人工智能之落地挑战与应对
2020 人工智能与工业融合发展研究报告
2020 人工智能商业应用报告
2020 人工智能赋能先进制造行业研究报告
2020 人工智能+安防行业应用研究报告
2019 数字化引领人工智能推动的转型
2030 8亿人工作将被机器人取代
2021-10-18 13:07:19
364.82MB
PPT丨清华大学孙富春教授177页PPT讲解人工智能技术与产业发展亲测好用，挺不错的资源，大家快来下载吧！挺有用的！需要的话可以来下载哦！
2021-10-08 10:57:02
17.22MB
1
人工智能技术体系，核心技术主要有计算机视觉、语音识别技术、自然语言处理、机器学习及机器人技术五大部分。针对人工智能核心技术的系统性介绍。
2021-09-20 20:16:18
33.05MB
1
2021-GAIIC-Task3-Share
全球人工智能技术创新大赛-赛道三：小布助手对话短文本语义匹配
周周星分享
非常荣幸能够拿到周周星，目前初赛第四，本着互联网开源精神，这里也做一些的分享，和大家相互学习，共同进步。
数据
1，对偶数据增强，即Q1-Q2对变成Q2-Q1对； 2，闭包数据增强，即Q1-Q2 = 1，Q2-Q3 = 1，则Q1-Q3 = 1；注意：数据增强时要保证正负样本比例，与原始分布一致，否则无效果甚至导致效果变差。
模型训练方式
半互动
1，ESIM，2，Bimpm，3，SentenceBert，注意：半交互是我们一开始的思路，并使用双路bert，上层使用bert前模型等；并且使用ESIM单模加上技巧，单模也可以上0.89，但是后面使用全交互，效果更好，就没有再继续实验了。
全互动
1，先MLM预训练，再微调； 2，MLM预训练与微调一起做，注意：第二种方式会比
2021-09-20 00:03:59
125KB
1
2021 GAIIC Task3 Preliminary Share
赛题 - 小布助手对话短文本语义匹配
十分荣幸能获得初赛最后一周的周星星，目前成绩第五，这里分享一些实验结果和心得给和我一样刚接触NLP比赛的同学们，同时也感谢比赛路上各位大佬开源的成果给我带来的帮助
模型架构
bert/nezha base 预训练+微调
数据增强
对偶 (q1 - q2 = 1 => q2 - q1 = 1)
闭包 (q1 - q2 = 1 & q2 - q3 = 1 => q1 - q3 = 1)
实验细节
闭包只造了正样本。如果正负样本都造效果会差2个千分点左右
数据增强只在预训练阶段，微调阶段使用原数据集
闭包造的正样本也对偶了
预训练
参考的是 transformers 官方的代码
vocab.txt 是徒手解析原数据按空格切开生成的，没做词频对齐
加载了 bert/nezha base 的预
2021-09-20 00:01:32
47KB
1
信通院-手机人工智能技术与应用白皮书（2019）-2019.6-38页.pdf
2021-09-03 13:07:39
1.11MB