Workflow
深度学习
icon
Search documents
高频选股因子周报(20250929-20250930)-20251009
- The high-frequency skewness factor showed strong performance with long-short returns of 0.9%, 4.93%, and 22.69% for the past week, September, and 2025, respectively[5][9] - The intraday downside volatility proportion factor had long-short returns of 0.77%, 5.18%, and 18.23% for the past week, September, and 2025, respectively[5][9] - The post-open buying intention proportion factor had long-short returns of 1.11%, 3.65%, and 19.98% for the past week, September, and 2025, respectively[5][9] - The post-open buying intention intensity factor had long-short returns of 1.62%, 3.28%, and 25.81% for the past week, September, and 2025, respectively[5][9] - The post-open large order net buying proportion factor had long-short returns of 0.34%, 1.51%, and 20.7% for the past week, September, and 2025, respectively[5][9] - The post-open large order net buying intensity factor had long-short returns of 0.38%, 1.51%, and 12.86% for the past week, September, and 2025, respectively[5][9] - The intraday return factor had long-short returns of 0.98%, 1.26%, and 20.66% for the past week, September, and 2025, respectively[5][9] - The end-of-day trading proportion factor had long-short returns of 1.25%, 4.18%, and 17.74% for the past week, September, and 2025, respectively[5][9] - The average single outflow amount proportion factor had long-short returns of 0.29%, 0.26%, and -0.54% for the past week, September, and 2025, respectively[5][9] - The large order-driven price increase factor had long-short returns of 0.09%, 2.88%, and 8.88% for the past week, September, and 2025, respectively[5][9] - The GRU(10,2)+NN(10) deep learning factor had long-short returns of 1.33%, 8.73%, and 41.75% for the past week, September, and 2025, respectively, with long-only excess returns of 0.71%, 3.42%, and 8.08%[5][9] - The GRU(50,2)+NN(10) deep learning factor had long-short returns of 1%, 7.98%, and 42.75% for the past week, September, and 2025, respectively, with long-only excess returns of 0.63%, 2.99%, and 7.91%[5][9] - The multi-granularity model (5-day label) factor had long-short returns of 0.99%, 6.15%, and 53.09% for the past week, September, and 2025, respectively, with long-only excess returns of 0.5%, 2.56%, and 19.48%[5][9] - The multi-granularity model (10-day label) factor had long-short returns of 0.81%, 5.2%, and 49.1% for the past week, September, and 2025, respectively, with long-only excess returns of 0.37%, 2.97%, and 20.1%[5][9] - The weekly rebalanced CSI 500 AI enhanced wide constraint portfolio had excess returns of -0.99%, -4.8%, and -0.06% for the past week, September, and 2025, respectively[5][11] - The weekly rebalanced CSI 500 AI enhanced strict constraint portfolio had excess returns of -1%, -2.32%, and 2.66% for the past week, September, and 2025, respectively[5][11] - The weekly rebalanced CSI 1000 AI enhanced wide constraint portfolio had excess returns of -1.48%, -1.06%, and 7.53% for the past week, September, and 2025, respectively[5][11] - The weekly rebalanced CSI 1000 AI enhanced strict constraint portfolio had excess returns of -0.79%, -0.12%, and 13.11% for the past week, September, and 2025, respectively[5][11]
算法小垃圾跳槽日记 2024&2025版
自动驾驶之心· 2025-10-06 04:05
以下文章来源于AIZOO ,作者元峰 AIZOO . 每日分享计算机视觉(CV)和深度学习的资讯、博文、教程,分享大佬的经验。CV圈的朋友们快快进来吧。 作者 | 元峰 来源 | AIZOO 原文链接: 分享一下近期换工作面试的一些事 点击下方 卡片 ,关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近30个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 本文只做学术分享,如有侵权,联系删文 年前的时候换了个工作,从外卖厂离职了。离职之前,恰好有假期,基本上一个月都在疯狂的面试,平均一天都得六个面试,特此记录分享一下。 下图是 24年9月的面试日历,基本上整整一个月都在面试,我看了一下,有几天竟然是8场面试,真的是累的不轻,眼睛都很干涩。其实,面试的时候,精神的 高度聚焦的,这样一天下来,简直比上班都累。 | | 周一 | | 周二 | | 周三 | 周四 | 周五 | | 周六 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 三十 | 2日 八月初一 | | 3日 初二 | | 4日 初三 | ...
北大校友、华人学者金驰新身份——普林斯顿大学终身副教授
机器之心· 2025-10-04 05:30
机器之心报道 机器之心编辑部 今天,华人学者金驰(Chi Jin)宣布他在普林斯顿晋升为终身副教授。 金驰于 2019 年加入普林斯顿大学电气与计算机工程系,担任助理教授。在普林斯顿的 6 年任期内,他在 AI 领域的学术影响力迅速提升。 个人主页: https://sites.google.com/view/cjin/ 他的副教授任命将于 2026 年 1 月 16 日正式生效。这一任命不仅是金驰个人学术生涯的重要里程碑,更是对他在机器学习理论领域所做出的基础性贡献的高度认 可,这些贡献为当前 LLM 的崛起提供了关键的数学基石。 去年 2 月, 金驰与杨笛一、杜少雷等华人学者一起获得了 2024 斯隆奖 。 主要贡献 金驰的职业生涯恰逢深度学习革命的爆发。自 2012 年 AlexNet 引领热潮以来,学界与业界在 2010 年代中期已能训练大规模非凸模型,但一个根本问题依然悬而未 决:为何像随机梯度下降(SGD)这样简单的优化器能如此有效,尤其在鞍点问题上缺乏理论解释。 金驰与导师 Michael I. Jordan 等人的合作正面回应了这一挑战,为深度学习的实践成功提供了坚实的理论基础。 与此同时,随 ...
吴恩达执教的深度学习课程CS230秋季上新,新增GPT-5专题
机器之心· 2025-10-04 03:38
Core Viewpoint - The updated CS230 Deep Learning course at Stanford, taught by Andrew Ng, emphasizes the importance of artificial intelligence, likening it to electricity, and introduces new content reflecting the latest advancements in AI, particularly focusing on the GPT-5 model [1][4]. Course Structure and Content - The course adopts a flipped classroom model where students must watch Coursera's deeplearning.ai videos before attending in-person classes [3]. - Since its inception in 2017, the course has maintained a similar core framework but has integrated updates relevant to recent AI developments, including a new chapter on GPT-5 [4]. - The course enhances the discussion on generative models and incorporates popular technologies like RAG and AI Agents, using GPT-5 for case studies [6]. - CS230 aims to provide comprehensive knowledge in deep learning, covering both theoretical foundations and practical skills necessary for building and applying deep learning models [10][12]. Key Topics Covered - The course covers a wide range of topics, including: - Basics of neural networks and deep learning [20]. - Optimization techniques such as regularization, Adam optimizer, hyperparameter tuning, Dropout, and Batch Normalization [20]. - Strategies for constructing machine learning projects from conception to successful deployment [20]. - In-depth understanding of Convolutional Neural Networks (CNN) and their applications in image classification and detection [20]. - Mastery of Recurrent Neural Networks (RNN) and Long Short-Term Memory (LSTM) networks for sequence tasks [20]. - Exploration of advanced topics like Generative Adversarial Networks (GANs) and deep reinforcement learning [20]. - Insights from industry and academia, along with practical career development advice in AI [20]. Course Schedule - The 2025 fall course will run for approximately 10 weeks, starting at the end of September [15]. - Weekly topics include introductions to deep learning, neural network basics, CNNs, RNNs, optimization algorithms, generative models, and advanced topics related to GPT-5 [16].
国庆长假充电指南:Ilya Sutskever's Top 30 论文阅读清单
锦秋集· 2025-10-01 13:25
国庆中秋双节同至。 我们深信,用探索的精神为祖国献礼,用学习的态度为社会贡献,是迎接新时代的最佳方式。对于 关注AI领域发展的投资者、从业者与研究者而言,这更是沉淀专业认知、把握技术趋势的黄金窗 口。面对快速迭代的AI浪潮,一份兼具权威性与系统性的技术资料,能让您的假期学习事半功倍, 高效完成专业能力的跃升。 今 天 , 我 们 为 大 家 选 了 来 自 Ilya Sutskever 推 荐 的 30 篇 前 沿 论 文 合 集 ( Ilya Sutskever's Top 30)。 Primers • Ilya Sutskever's Top 30 覆盖近15年AI领域里程碑成果的合集,以 "技术底层-能力 突破-场景落地"为逻辑主线 ,串联起AI从"感知智能"到"认知智能"的关键跃迁:从奠定深度学习 基础的 CNN 、 RNN ,到重构自然语言处理领域的 Transformer 与 自注意力机制 ,再到推动 RAG 、 多步推理 等前沿方向的核心研究,每一篇论文都是对应技术领域的"奠基之作",直接关联 当前AI产业落地的核心能力底座。 这份清单既清晰拆解了"残差映射""动态指针网络"等专业术语的技术逻辑 ...
革命就要有人牺牲,最后一次人工智能革命牺牲的是谁的命?
Sou Hu Cai Jing· 2025-10-01 06:01
人工智能革命被视为人类社会的最后一次技术革命,这一观点由华为首席执行官任正非提出,他认为人 工智能发展将经历数十年乃至数百年,并可能伴随能源核聚变的突破。在这一革命进程中,技术突破往 往伴随着牺牲,具体表现为科研人员在推动前沿应用时承担的风险。 人工智能革命中具体的牺牲案例:在推动人工智能技术(尤其是国防应用)时,已有专家因公牺牲。代 表性的案例是冯旸赫副教授:冯旸赫的牺牲:他是中国著名指挥控制和人工智能领域专家,任职于国防 科技大学,专注于兵棋推演、智能辅助决策等军事人工智能研究。2023年7月1日,他在北京执行任务期 间因车祸不幸因公牺牲,年仅38岁。官方通报称其为"因公牺牲",强调其在人工智能军事应用领域的贡 献,例如提升国防系统的智能决策能力。 尽管有猜测(如境外势力干预或保护国家机密),但这些未被证实;官方与可信来源均以突发事故定 性,未指向外部阴谋。人工智能革命作为潜在的最后一次技术革命,其发展依赖于无数科研工作者的奉 献与风险承担。冯旸赫的牺牲是这一进程中已知的突出案例,凸显了技术前沿探索的代价。未来,随着 人工智能在国防等领域深化应用,确保科研人员的伦理保护与技术安全至关重要 人工智能革命作为 ...
英伟达自动驾驶算法工程师面试
自动驾驶之心· 2025-09-29 23:33
作者 | Neob0dy 编辑 | 自动驾驶之心 点击下方 卡片 ,关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 本文只做学术分享,如有侵权,联系删文 具体职位:规划控制方向,自主记忆泊车-自动开出,职位描述在最后。nv大军压境入局自动驾驶,和其他主机厂、L4创业公司相比最大的区别就 是职位划分真的非常细。hr表示nv今年没有校招名额,只有这个实习转正(说大概率可以转正),拿到offer后支持线上实习。笔试之后总共面了5 轮通过,笔试3道题,另外每面都有1-2道算法题。 笔试 已经记不太清了,一道打卡题图搜索,一道模拟没做出来,最后一道是leetcode难度中等的动态规划,给定一个数组,每次可以对相邻的两个数进 行异或操作,操作次数不限,问操作过后的结果相加最大是多少。问题转化之后和leetcode上一个小偷最多可以偷多少房间类似(不能偷相邻的不 然会触发警报)。测试用例第一题过了90,第二题寄了,第三题应该是边界没处理好过了70%。 一面 按流程自我介绍,问了几个项目,着重问了参加比赛的经历,怎么管理和领导团队。单独拎 ...
70后博士从车库创业,跑出一家IPO,公司3年亏超6亿
编辑丨骆一帆 港股又迎来一家自动驾驶公司。 近日,魔视智能科技(上海)股份有限公司(下称"魔视智能")向港交所递交上市申请。经历8轮融资 后,这家由上海交大博士带领的智驾企业终于要开始冲刺资本市场了。 不过,虽然已交付逾330万套解决方案、用于92款车型。但激烈的市场竞争下,魔视智能过去3年累计亏 损超6.6亿元,尚未实现盈利。 图源:公司官网 记者丨邓浩 上交大博士车库创业 魔视智能成立于2015年,是一家AI创新驱动的智能驾驶解决方案提供商,主要为主机厂及一级供货商 提供具备L0-L4级智能驾驶功能的一体化软硬件解决方案。 创始人虞正华出生于1972年,有丰富的学界和产业界经验,魔视智能是其二次创业的产物。虞正华拥有 上海交通大学模式识别博士学位,并曾任博康智能副总裁、澳大利亚国家信息通信技术研究院 (NICTA)高级研究员、新南威尔士大学博士生导师等职。 | 姓名 | 职务 | 任郎日期 | 性别 | 出生年份 | | --- | --- | --- | --- | --- | | > 虞正华 | 董事会主席 | | | 1972 | 虞正华第一次创业是2008年,当时主要瞄准的是把AI应用到智能交通领 ...
从车库创业到冲刺港股,魔视智能3年亏超6.6亿元
港股又迎来一家自动驾驶公司。 近日,魔视智能科技(上海)股份有限公司(下称"魔视智能")向港交所递交上市申请。经历8轮融资后,这家由上海交大博士 带领的智驾企业终于要开始冲刺资本市场了。 不过,虽然已交付逾330万套解决方案、用于92款车型。但激烈的市场竞争下,魔视智能过去3年累计亏损超6.6亿元,尚未实现 盈利。 (图片来源:公司官网) 上交大博士车库创业 魔视智能成立于2015年,是一家AI创新驱动的智能驾驶解决方案提供商,主要为主机厂及一级供货商提供具备L0-L4级智能驾驶 功能的一体化软硬件解决方案。 创始人虞正华有丰富的学界和产业界经验,魔视智能是其二次创业的产物。虞正华拥有上海交通大学模式识别博士学位,并曾 任博康智能副总裁、澳大利亚国家信息通信技术研究院(NICTA)高级研究员、新南威尔士大学博士生导师等职。 虞正华第一次创业是2008年,当时主要瞄准的是把AI应用到智能交通领域,诸如电子警察,交通事故监测这类项目,并最终在 2015年前后登陆了上交所主板。 那个时期,由于ImageNet上AlexNet的卓越表现,正在带动深度学习的兴起。彼时的虞正华也与同事做了个demo,验证深度学习 是否可 ...
2025全球前2%顶尖科学家榜单发布,清华国内第一、Bengio全球前十
3 6 Ke· 2025-09-28 03:32
斯坦福大学携手Elsevier,发布2025全球前2%顶尖科学家榜单,中国学者大放异彩!其中清华有746位学者入选,全球大学排名第四,超越斯 坦福。南京大学周志华和腾讯张正友双双进入全球前1000。 当地时间9月19日,斯坦福大学和国际权威学术出版社爱思唯尔(Elsevier)共同发布了「斯坦福2025全球前2%顶尖科学家榜单」。 这份榜单是学术界关注度最高的爱思唯尔发布的年度清单之一。 清华国内第一,周志华张正友全球前1千 清华大学入选年度Top10大学,共746位学者入选该榜单,稍落后于牛津大学,强过斯坦福大学,位居第四。 | Institute | Scientist Count | | --- | --- | | Harvard Medical Sch ... | 1184 | | College of Engineering | 805 | | University of Oxford | 751 | | Tsinghua University | 746 | | Stanford University | 718 | | University College Lo ... | 715 | | Un ...