苹果AI前高管或于本周离职 告别八年苹果征程
【TechWeb】4月13日消息，据外媒报道，苹果高管层去年经历重大人事调整，先是7月官网意外公布COO杰夫·威廉姆斯月底卸任，转岗设计团队和Apple Watch部门过渡至年底退休；12月又宣布机器学习与AI战略高级副总裁约翰·詹南德雷亚、法务总顾问凯特·亚当斯、环境政策副总裁丽莎·杰克逊三人将于翌年离任。 在已公布退休计划的高管中，杰夫·威廉姆斯已于去年11月正式告别，结束了27年苹果生涯与40年职场历程。其余三位今年退休的高管里，詹南德雷亚与杰克逊已从管理层名录移除，亚当斯虽仍在列但职位调整为政府事
SAI学术分享会 | AI主题学术报告(第二十八期)
SAI 学术研讨会SAI 学术分享人工智能学院会议信息主题统计驱动的生成式人工智能时间下午02:00-03:00日期2026年4月14日在线会议https://cuhk-edu-cn.zoom.us/j/6682399580?omn=95821028501会议号: 668 239 9580主讲人朱金 教授(伯明翰大学数学学院)主持人杜梦楠 教授(香港中文大学深圳人工智能学院)主讲人简介朱金 教授伯明翰大学朱金博士现任伯明翰大学数学学院助理教授。在加入伯明翰大学之前，他于伦敦经济学院统计系担任研究员。朱金博
人工智能技术导论图书介绍
“书籍导览深入了解人工智能的精髓，由广东交通职业技术学院、陕西职业技术学院、广东机电职业技术学院三所院校的人工智能领域资深专家共同编写。本书还融入了金山、抖音等领先AI企业的最新技术实践，以及广东职教桥、荔峰科技等AI解决方案服务商的前沿案例，为读者呈现行业最前沿的专业内容。本书内容系统全面，阐述清晰明了，非常适合高职院校、技师学院及应用型本科院校的学生使用。本书志在为读者构建人工智能领域的完整知识体系，无论是计算机相关专业的在校学生，还是对人工智能感兴趣的跨领域从业者，这本书都将成为理想的入门读物。作者
AI视觉探秘：科技副校长解密人工智能如何看世界
揭秘AI"视觉"世界的神奇密码科技副校长引领探索人工智能视觉新领域机器怎样感知这个世界？冰冷的算法凭何能辨识万物、生成图像？怀着对AI领域的强烈好奇与探索热情，怀柔一小科技副校长、计算机与人工智能学院副教授贾楠菲走进校园，呈现了一场题为《AI如何感知世界》的精彩科普讲座，带领孩子们揭开机器视觉的神秘面纱，踏上了一段奇妙的科技探寻征程！贾楠菲副教授长期致力于人工智能研究，具备深厚的专业素养与教学实践，本次讲座运用生动活泼、深入浅出的讲解方式，将深奥的AI视觉技术转化为孩子们能够领悟、感知的知识养分，让科学的
智领未来！宜宾天珑举办AI与数字化专题培训
随着数字化转型浪潮席卷各行各业，人工智能（AI）已从遥不可及的未来概念演变为推动企业提质增效、创新发展的核心动力。为紧随时代潮流，增强员工数字化素养与AI应用能力，4月11日下午，宜宾天珑精心组织了一场以《AI前景及数字化GAI》为主题的专题培训活动。本次培训获得各部门同事的热烈响应与积极参与，工厂各岗位约80名骨干及员工主动报名参加培训，共同探索AI技术的广阔前景。现场学习气氛热烈，充分彰显了宜宾天珑人积极向上、勇于变革的精神风貌。培训特别邀请蔡明星担任主讲嘉宾。讲师凭借丰富的行业经验与深刻洞察，从AI
AI修仙：从入门到飞升的修炼图谱
人工智能修炼层级（从新手→一代宗师）1.炼气阶段：初步运用AI工具与提示词，如同引气入体。2.筑基阶段：掌握Python编程与基础数学，夯实修炼基础。3.开光阶段：理解传统机器学习，可进行简单模型训练。4.金丹阶段：深入掌握深度学习与CNN/RNN，内核稳固。5.元婴阶段：精通Transformer架构，正式迈入大模型领域。6.化神阶段：掌握LLM微调、RAG与智能体，具备创新功法能力。7.合体阶段：通晓模型部署、工程化与MLOps，实现人技合一。8.大乘/飞升阶段：发表顶会论文、自创架构、成为业界泰斗，
2026年人工智能领域SCI期刊分区汇总（1-4区）
点击蓝字，关注我们固定布局工具条上设置固定宽高，背景可以设置被包含， 可以完美对齐背景图和文字，以及用于模板制作。Nature Machine Intelligence影响因子分区自引率23.9计算机科学1区2.1%推荐理由：人工智能领域的顶级综合性期刊，重点关注机器学习、人工智能及其交叉应用，是追求高分毕业、职称晋升的优质发表平台。固定布局工具条上设置固定宽高，背景可以设置被包含， 可以完美对齐背景图和文字，以及用于模板制作。Information Fusion影响因子分区自引率15.5计算机科学1区1
人工智能的“人工”真相
受大学专业影响，几年前课堂上老师曾提及人工智能一词，让我们探讨其与人类思维的关联。彼时，我对它的理解仅限于课本上的前沿科技，显得既遥远又神秘。然而，短短数年过去，AI、大模型、智能助手等词汇便如潮水般涌入生活，变成了人人皆知的常用语。随着智能化设备日益普及，我发觉AI已实实在在地渗透进生活的各个角落。我也逐渐摆脱了最初对人工智能的幻想，看清了其背后最真实、最朴素的一面。去年暑假，为了积累经验找兼职，我偶然接触并听了几节数据标注培训课。在此之前，这个领域对我而言十分陌生，一联想到它与高大上的AI挂钩，我便本
人工智能培训师考证与实战心得
初次涉足人工智能培训师课程，核心内容是利用Python进行数据清洗。鉴于过往工作中频繁编写Python脚本的经验，因此上手较快，理解起来毫无压力。反观那些毫无代码基础的朋友，简直是举步维艰，连开发环境搭建都成问题。虽说为了拿证，得专门突击，疯狂刷题。老师授课内容多为历年真题和实操题，必须亲手操练。只要方法得当，通过考试稳了。这便是我此前考取众多证书的实战心得。目前政策有补贴，考下来还是挺划算的。若想真正钻研进去，难度便截然不同，诸如线性代数、机器学习、AI理论等，绝非一朝一夕能速成的。其实任何专业领域都不
人工智能演进脉络
当代AI的发展轨迹，本质上是从"幻想"走向"现实"，从"快速计算"到"理解思考"的蜕变历程。以下是其浓缩版发展历程：一、 萌芽与破晓 (1950-1970)- 理论基石 (1950)：阿兰·图灵创立图灵测试，探索机器思维能力。- 学科诞生 (1956)：达特茅斯研讨会举行，"人工智能"(AI)一词正式确立。早期研究者极度乐观，预计十年内攻克全部关键难题。- 初期探索：研发出可验证数学定理的软件，但因计算资源限制，仅能应对基础逻辑问题。二、 起伏跌宕 (1970-2010)这一时期希望与失落轮番上演，被称作
2026年暑期人工智能线下科研项目大盘点
XY 中科学研多学科覆盖多城市开课多名师领衔为协助学子突破科研瓶颈，搭建通往顶尖实验室的桥梁，邀请名师指导，全方位提升科研实力。中科学研已陆续开设多期线下科研课程，为学生提供了向行业专家请教学习的宝贵契机！2026年7月至8月，中科学研计划在北京、深圳、上海及广州等地的985高校与国家级科研院所实验室开展线下科研，涵盖理工医商等多个学科领域。其中，人工智能及计算机科学作为引领未来的核心学科，备受瞩目。2026年科研项目聚焦机器学习、计算机视觉、三维智能生成及智能算法等前沿领域，通过沉浸式实操训练，培育创新
AI浪潮：奔向新纪元
人工智能：加速向未来突然爆火？绝非偶然！AI的发展历程是一部荡气回肠的奋斗史。政策加码：国家强力推动，AI迎来大发展教育部近期重磅推出《高等学校人工智能创新行动计划》。早在2017年7月，国务院就已发布《新一代人工智能发展规划》。简而言之：国家正全力布局AI领域，高校成为核心阵地，大批相关专业人才即将涌现！然而鲜为人知的是，这背后暗藏着中美科技竞争的深层博弈。2018年，美国商务部将华为纳入"实体清单"，高端芯片供应瞬间切断。此举彻底警醒国人——核心技术无法靠购买获得，必须自主掌控！由此自上而下，资金、人
荷兰乌得勒支大学全奖博士：AI与以人为中心的决策
📢 荷兰著名学府乌得勒支大学（Utrecht University）理学院信息与计算科学系，现面向全球招募AI与以人为本的决策（AI and Human Centered Decision Making）全额奖学金博士，诚邀优秀人才加入！一、岗位核心信息项目 详情岗位名称 AI与以人为本的决策博士职位所属学院 理学院所属院系 信息与计算科学系工作时长 每周36-40小时（全职）申请截止 2026年5月5日工作地点 荷兰乌得勒支市资助形式 全额奖学金（含社保福利）二、研究方向与项目简介算法究竟是客观的工具，
人工智能算法及典型应用解析
本文围绕人工智能的关键算法及其在电力、工业等行业中的代表性应用展开说明。人工智能主要包括符号推演、机器学习、强化学习等多个方向，其中以深度学习（如CNN、RNN、GAN）为当前较为主流的技术路线。监督学习、无监督学习、集成学习等方法分别可用于处理回归、分类、聚类等任务，同时还需要关注过拟合和欠拟合问题。在应用层面，电力行业借助机器学习完成窃电识别、台区线损预估、户变关系判断、表计OCR识别等工作，从而提高运维水平和服务品质；工业领域则利用图像识别开展产品故障检测和元器件质量分析，识别准确率可达到95%以上
少年营课程速览｜AI赋能量化金融：从因子研究到智能决策
深圳零一学院2026暑期少年派·挑战营（Talent Youth Pi Camp）现已启动招募！由顶尖导师全程指导，聚焦真实问题与真实研究，带你在AI时代打造关键“元能力”。课程主要面向七年级及以上学生，欢迎希望突破自我、主动拥抱未来的你加入！挑战营第二期预计于7月中下旬开启，欢迎持续关注最新动态。本期我们特别邀请《AI驱动的量化金融：从因子模型到量化智能体》课程团队，为大家详细解析课程特色与核心内容。后续还将推出更多精彩分享，敬请关注！科研范式的演进从经验观察迈向 AI for Science数百年来，