by 晓晓
智能赋能 听大牛拆解背后的技术逻辑 助力初创公司 落地智能化应用 一档纯干货的短播客 两位主播均来自北美科技大厂 - “晓晓”, 资深 SaaS 产品经理, 深耕企业数字化赋能十余载 - “老洪”, 全栈 ML 工程师, 专注智能化研究和落地方案设计 他们演绎式的研习讨论和知识分享 - 以不一样的视角来畅想Idea, 用AI 赋能Startup - 探索智能化的前沿技术解决方案. 在这里我们鼓励知识分享, 讨论启发正在创业以及企业深耕的你, 并且持续邀请各行业专家一起来分享知识, 科普前沿科技, 以最真实的AI落地案例为您带来创业灵感, 行业最新技术解读和商业价值应用的精彩探讨~
Language
🇨🇳
Publishing Since
5/5/2024
Pitch yourself as a guest, propose sponsorships, or reach out directly to the host.
January 12, 2025
<p>经济和效率是否能兼顾？本期我们请到了有多年 初创公司数据 infra 搭建经验的 Jilong 老师和大家一起探讨 “如何选择 并快速搭建一个 适合初创电商 的 数据平台”。不仅要求其能满足电商运营中业务流程和数据分析的需求，更是要符合初创公司多快好省的特点。</p><p>访谈中，老洪一如既往地深挖了 “同时兼顾OLTP&OLAP”，“cache 数据一致性”，以及 "机器学习" 相关 热点问题. 讨论有深度，有兴趣的小伙伴千万不能错过了。</p><p>03:01: 电商数据应用的快速搭建</p><p>05:30: SQL数据库+数据中台作为高并发的解决方案</p><p>07:10: 举例说明电商用户的典型数据使用场景以及数据存储的优化目标</p><p>12:20: 举例 假想电商 “拼夕夕” 的数据infra (简单 OLTP and OLAP)</p><p>14:40: Cache layer 对数据更新实时性的影响</p><p>18:30: 如何更省钱地 scale up 数据 infra</p><p>23:00: 如何让 OLAP 数据库对 OLAP 友好</p><p>26:26: 销售预测，用户分析等数据库的构架优化</p><p>27:16: 存算分离主导 的 OLAP 框架</p><p>35:00: Orchestration, 增量计算等一些细节问题</p><p>40:00: 适合初创公司的云服务选项（databrick， serverless）</p><p>43:28: databrick 套餐 vs 云厂商 原生套餐 的 对比</p><p>48:10: 构建抽象层的重要性</p><p>50:30: 机器学习处理系统的选择</p>
January 7, 2025
<p>经典的用户画像是否真的能打, 还是纸上谈兵? 为何数据建模更能帮你联系到真实的用户.</p><p>这期我们来深入探讨用户画像的自动化之路, 欢迎小伙伴留言互动提问, 谢谢大家~</p><p>Timeline</p><p>00:40 什么是用户画像建模</p><p>01:25用户画像解决什么问题</p><p>02:15用户画像不实用的根本原因</p><ul> <li>如何联系到真实用户: 映射用户画像模型到真实用户:</li> <li>隐私数据阻碍真实数据收集</li></ul><p>03:05传统用户画像的唯一用处是: 产品设计时候的共情</p><p>04:50通过用户画像来共情的风险:先验经验产生的偏见</p><p>07:07用户画像的正确打开方式</p><p>- 用已收集的数据来进行用户画像建模, 而非凭空想象</p><p>08:15 跳过用户画像来直接建立数据模型</p><p>08:37 举例1广告推荐: 数据进行隐式用户画像建模</p><p>09:15 举例2:相似产品 相似用户群体的隐私</p>
November 10, 2024
<p>解析困扰大家的Meta Movie Gen10大技术难点</p><p>Meta“最强视频模型”不用DiT这个观点是有误区的? 为何工业界, 大家越来越多用流匹配而不是diffusion生成视频或图像? 这套媒体基础模型平台的发展对未来内容创作可能产生什么影响?</p><p>对Meta Movie Gen里那些高冷的技术难点细节感兴趣的朋友们, 本期我们汇总了十余个技术问题(FAQ), 来请老洪深入浅出的逐个击破, 带着你们一起揭开Movie Gen神秘的面纱. </p><p>感谢大伙儿的喜欢和关注! 对于Movie Gen还有什么想了解的, 有疑问的, 随时可以在评论区留言, 我们会尽量给你们解答~</p><p><strong>Timeline</strong></p><ul> <li>00:25 Movie Gen需要的大量训练数据从何而来?</li> <li>01:58 MovieGen 是怎么进行过滤和清理数据?</li> <li>02:49 误区解析: "Meta“最强视频模型”不用DiT，用Llama大力出奇迹了</li> <li>03:26 MovieGen使用的流匹配技术和传统的Diffusion技术, 谁优谁劣?</li> <li>04:54 大力出奇迹的功劳?</li> <li>05:33 Meta如何将流匹配技术与Llama架构结合,以提升视频生成质量？流匹配相比扩散模型在视频生成中的具体优势劣势如何</li> <li>06:57 如何优化流匹配算法以适应视频生成任务的特殊需求的?</li> <li>09:15 流匹配如何改善了视频生成中的文本-视觉对齐问题?</li> <li>11:36 在多阶段训练过程中,流匹配技术在不同阶段(如T2I、低分辨率T2V、高分辨率T2V)的表现有何差异?</li> <li>12:48 对未来内容创作可能产生什么影响?</li></ul>
Have a different question and can't find the answer you're looking for? Reach out to our support team by sending us an email and we'll get back to you as soon as we can.
智能赋能 听大牛拆解背后的技术逻辑 助力初创公司 落地智能化应用
一档纯干货的短播客 两位主播均来自北美科技大厂
他们演绎式的研习讨论和知识分享
在这里我们鼓励知识分享, 讨论启发正在创业以及企业深耕的你, 并且持续邀请各行业专家一起来分享知识, 科普前沿科技, 以最真实的AI落地案例为您带来创业灵感, 行业最新技术解读和商业价值应用的精彩探讨~
This podcast updates bi-weekly.
This podcast is available on 6 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.
No, this podcast does not typically feature guests.
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at hey@podengine.ai for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.