做到网

原标题：分分钟宰你上千元！南都暗访揭秘兼职“打字员”“淘宝刷单” 招聘真相随着“毕业季”、“求职季”的临近，一些招工骗局也开始蠢蠢欲动。南都之前曾报道，有职介所故意考试刁难求职者、从而骗收费用；但一些新兴的招工诈骗却已经从线下转移到了线上。南都记者暗访发现，线上招工骗局更易操作，无需面试，无需劳动合同，只需搜索拼凑一些资料、制作一些“内部记录”图片，再利用语言与受骗者打“心理战”，便可轻松获利。典型骗局“小说录稿”骗局每次百十元变着花样连环骗黄娟（化名）最近在网上找了一份“打字员”的兼职，最终却被骗走了1100多元。她说，自己本来也有正式工作，只是最近比较闲，便在智联招聘上浏览到了一份“月薪1万-1.5万”的工作，按照其要求添加了“客服人员”的QQ，随后便被“客服”一步一步、分批次地骗走了多笔资金。南都记者在智联招聘看到，确实有一家“泉州市正谦堂文化传媒有限公司”正在招收“起点中文小说录稿员”，声称“月薪1万-1.5万”。这家公司要求，应聘者须关注微信公众号“起点中文录稿”，再进行下一步操作。南都记者关注公众号后，公众号弹出消息称，将“安排助理”介绍工作流程及薪资，提供了一个QQ号。南都记者添加这一QQ号做到网

原标题：前海人寿2016年净利41亿 万科南玻A被列入联营公司 前海人寿发布2016年年报显示，公司去年业务收入436.75亿，其中保险业务收入220亿，净利润40.99亿。公司核心偿付能力充足率56.45%(监管要求50%以上)，综合偿付能力充足率112.9%(监管要求100%以上)。年报显示，前海人寿将万科、南玻A列入联营公司。 年报显示，公司目前的投资资产涉及市场风险的资产主要为权益类资产、归为交易类及可供出售类的债券及投资性不动产。压力测试显示，权益类资产和不动产市场价格变动对公司投资收益和偿付能力影响较大。 以2016年4季度末偿付能力充足率为基准，进行上证指数变动的压力测试。按照上证指数下跌20%、30%两种情形，测试结果显示，极端情况下的市场价格变化将引起权益类资产市值的较大波动，进而将对公司整体投资收益率和偿付能力充足率造成较大冲击。 以2016年4季度末偿付能力充足率为基准，进行房地产价格变动的压力测试。按照投资性房地产(不含基础设施债权计划和自用性不动产)价格下跌10%、20%、30%三种情形进行压力测试，结果显示当房地产价格下跌幅度较大时，将对公司整体投资收益率及偿付能力充足率造成一定影响。 此外，年报显示，2016年，前海人寿偿二代偿做到网

雷锋网消息，周三，亚马逊刚刚发布了一款智能摄像机设备——Echo Look，该设备搭载了Alexa语音助手，可根据用户的指令完成拍照等动作，还可以借助人工智能技术为用户评估外观、提供搭配建议。不过亚马逊的大招也许还在后面。 据知情人士透露，亚马逊很可能在下个月推出一款内置屏幕的Echo音箱设备，这款设备的代号叫做“骑士”。 关于这款内置屏幕的Echo音箱的传闻由来已久，早在去年五月份，华尔街日报就曾曝光过这款产品的存在。去年十一月份，彭博社又报道了另一个版本的传闻。虽然这款产品始终没有露面，不过新的传闻无疑增加了这一消息的可靠性。 据知情人透露，亚马逊一直在努力开发和完善其Echo音箱系列产品，如今他们要加快脚步了。因为就在上周， Google宣称其智能音箱产品Google Home已经可以通过声音识别多个用户了。为了在和Google Home的角逐中保持领先优势，Amazon的产品团队正在努力加速推出新品。 不过该知情人表示，Echo新品的推出时间目前仍不确定，也不确定这款设备搭载的是否触摸屏。亚马逊方面的代表则对此消息拒绝发表评论。雷锋网将持续跟进这一消息，核实其准确性。 如果传言属实，这款新设备将帮助Echo把功能延伸到更多领域——比做到网

RNN 是什么? 递归神经网络，或者说 RNN，在数据能被按次序处理、数据点的不同排列亦会产生影响时就可以使用它。更重要的是，该次序可以是任意长度。 最直接的例子大概是一组数字的时间序列，根据此前的数值来预测接下来的数值。每个时间步（time-step）上，RNN 的输入是当前数值以及一个静态矢量，后者用来表示神经网络在此前的不同时间步所“看到”的东西。该静态矢量是 RNN 的编码存储，初始值设为零。 RNN 处理系列数据的过程图解 设置 我们会创建一个简单的 Echo-RNN，它能记住输入数据并在几个时间步之后与之呼应。首先要设置一些我们需要的限制，它们的意义下面会解释。 from __future__ import print_function, division import numpy as np import tensorflow as tf import matplotlib.pyplot as plt num_epochs = 100 total_series_length = 50000 truncated_backprop_length = 15 state_size = 4 num_classes = 2 echo_step = 3 batch_size = 5 num_b做到网

雷锋网按：本文作者李东轩，原文载于作者个人博客，雷锋网已获授权。 在机器学习中，无监督学习（Unsupervised learning）就是聚类，事先不知道样本的类别，通过某种办法，把相似的样本放在一起归位一类；而监督型学习（Supervised learning）就是有训练样本，带有属性标签，也可以理解成样本有输入有输出。 所有的回归算法和分类算法都属于监督学习。回归（Regression）和分类（Classification）的算法区别在于输出变量的类型，定量输出称为回归，或者说是连续变量预测；定性输出称为分类，或者说是离散变量预测。 以下是一些常用的监督型学习方法。 一. K-近邻算法（k-Nearest Neighbors，KNN） K-近邻是一种分类算法，其思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。K通常是不大于20的整数。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 如上图，绿色圆要被决定赋予哪个类，是红色三角形还是蓝色四方形？如果K=3，由于红色三角形所占比例为2/3，绿色圆将被赋予红色三角形那个做到网