Abstract：逻辑代数实质是符号逻辑，布尔代数即逻辑代数，核心是类的演算。偏序关系是格的先修知识。当偏序集里的所有子集都有最大下界和最小上界时，称为格。其中有补分配格称为布尔代数（有补，分配，有界）。

Abstract：Machine Vision与Computer Vision同属于AI，外延不同但互相交叉；MV对象是物，CV对象是人，你把摄像头对着人就是CV，对着车间就是MV。本文解释了MV与CV的概念和区别。

Abstract：光电转换是摄像机的成像原理，摄像机有镜头、成像件(CCD 或 CMOS)、采样编码这3个主要部分。其中CCD和CMOS都是将光信号转换成电信号的感光器件。本文简要解释了光电转换原理、CCD原理、彩色成像原理。

//完成于摄像与编辑技术课 雾 ~

Abstract：厘清基本概念—> 了解技术边界-瓶颈-机会—>引导技术流程-架构-方向，是AI PM对技术理解力的成长路径。懂技术最好，但最关键的还是输出PM的核心价值：定位用户、场景、痛点，找最小产品闭环去验证。懂技术是帮助我们更好设计产品的能力。能力的锻炼最好还是在项目中锻炼，不要纯粹学习知识，易忘。

Abstract：传统互联网时代PM的大量涌现是由于流量方式的改变；而AI时代将带来交互方式的改变。本文将从几个点阐述AI PM与互联网PM的区别。

Abstract:线性结构时有序元素的集合，元素间一一对应。非线性结构中的各元素不保持在一个线性序列，元素关系比较复杂。

Abstract：近十几年，广播电视行业发展现状低迷，观众不断流失，人才严重缺失。基于这种现状，变革是肯定的，问题是怎样变革？个人想从从广电作品的完整生命周期的7个环节来考虑，思考新技术如何助力广电的发展。
//其实这也是某课的课堂展示作业 w ~

Abstract：本文是对喜马拉雅FM的全方位产品分析，分为产品分析部分和内容分析部分。涉及到其商业模式、内容生产模式、文字内容创意特色、个性化推荐机制背后的原理、发展战略等的分析。
//其实是一次课堂展示的作业 ~ w

Abstract：终端是人与机器交互的接口。

Abstract：ELIT是一个新开放的NLP研究平台，目前提供情感分析工具，使用CNN模型。小小地测试了下这个平台，目前功能还少，不过以后估计会增加吧。

Abstract:阿里双十一祭出AI设计师鲁班大人，具有=p6设计水平。本文重点介绍鲁班的技术原理、设计师与鲁班的合作、以及对设计师职业未来的思考。
//做专业领域的超能AI(监督学习)，一定需要专业的资深人士设计数据模型；要想AI进化，需要不断喂给AI标注的数据（把设计数据化）且评估输出结果。数据量级非常重要！
//三大模块：风格学习 + 行动器 + 评估网络。
//关键部分：领域研究 + 数据链路 +算法框架。

Abstract:TTS是文字转语音。实现原理是从文本中攫取足量信息用于语音合成，再生成波形。主要方法有：拼接法，参数法，混合法和神经网络端到端学习。

Abstract：现阶段对民众来说，使用AI非强需求，但尝鲜AI是强需求。教育领域AI可应用的方向有如自动作业批改，个性化学习，智能辅导，互动学习，仿真教育，教学反馈和评测等。自适应学习应该是教育者最想实现的应用，但目前由于教育体制的固化以及AI自适应学习引擎的效果没有对学生的学习效果产生颠覆性的变化，故短期内不大可能有大发展。

Abstract：只要是监督学习，必然需要做数据处理，流程为：数据标注——>模型训练—>模型测试—>PM评估。其中数据标注是第一步。数据的质量会直接影响到模型的质量。PM需要提供具体的产品需求（如指标设定，分类规则）给算法员做模型训练。测试员需用测试集对模型测试，并反馈各项指标达成情况给PM，PM再评估其是否满足上线需求。PM在整个流程中起流程控制、质量评估、设定模型边界等作用。

Abstract：机器学习看似能自动决策，但其实不是真正的自动决策。原因在于单目标的决策会带来一些风险；而由于外部环境和规则的多变性，机器不可能把所有变量和数据纳入考虑，此时需要懂得系统逻辑的人去调整系统的发展