?日报&周刊合集 | ?生产力工具与行业应用大全 | ? 点赞关注评论拜托啦！
? 真格基金X亚马逊云科技开启「AI 超新星计划」，发放海量云资源
真格基金联合亚马逊云科技，推出了「AI超新星计划」，面向在校生、程序员、独立开发者等所有潜在AI创业者，免费开放丰厚的云资源，并提供专业的技术支持和创业指导！
如果你想训练一个属于自己的基础模型，或者在推理阶段高效运行模型运算，又或者动手做一个趣味无限的AI应用，可以报名这项计划， 初筛通过即可获得价值 1500 美元的云资源啦 ⋙ 活动说明 | 报名表
? 一次学会AI二维码+艺术字+光影光效+创意Logo生成，最详细的 Stable Diffusion 特效设计流程教学！
近期AI艺术字、AI光影特效、AI艺术二维码等创意应用非常火热！那这些惊艳的图片是如何实现的呢？其实是同一种技巧——ControlNet!
B站UP主 @Nenly同学 这个教程视频，由浅入深地讲解使用 Stable Diffusion 塑造文字、Logo形体的基本操作方式，剖析权重、引导时机等 ControlNet 进阶调节参数的作用，了解 Brightness、Illumination 等模型的使用方法。掌握以下技巧，自己也可以完成这些酷炫的创意图片设计啦！
ControlNet 形体控制基本方法：在了解 Stable Diffusion 的基本使用方式的基础上,使用 ControlNet 的多种预处理器和模型,实现文字形体的控制设计
利用 ControlNet 进行光影融合：了解 ControlNet 的 Brightness (亮度) 与 llumination (明度) 模型的基本作用,并学会利用它们实现文字、图形 (Logo) 与画面元素的融合
利用 ControlNet 制作艺术二维码：了解 ControlNet 的 QRCodeMonster (二维码) 模型,并学会结合多种模型生成与图片高度融合的「艺术二维码」的方式 ⋙ B站 @Nenly同学
? 中国气象局印发「人工智能气象应用工作方案 (2023—2030年)」
7月20日，中国气象局印发《人工智能气象应用工作方案 (2023—2030年)》，加快布局国产人工智能气象应用技术体系建设。
该方案明确，到2025年，确定人工智能气象应用发展路线图，形成「542」整体框架布局；到2030年人工智能气象应用发展水平进入世界前列，业务能力建设取得重大进展。
? 华为云「盘古气象大模型」上线欧洲中期天气预报中心官网
7月31日，华为云官方公众号宣布「盘古气象大模型」正式上线欧洲中期天气预报中心 (ECMWF) 官网。全球天气预报员气象爱好者和公众，都可以在该网站免费查看盘古对未来10天全球天气的预测。
欧洲中期气象中心还公布了「盘古气象大模型」今年4-7月和欧洲数值模式的对比测试报告。报告显示，在一系列气象学家关心的精度指标和极端天气预报中，盘古大模型都展现出优势。以盘古为代表的AI方法将改变近些年数值天气预报精度提升缓慢的瓶颈 ⋙ 华为云 | 欧洲中期天气预报中心官网
? 互联网AI大模型 TOP 10 图鉴，彻底搞懂各大厂都在做什么
这篇图鉴用有趣且清晰的绘图，串起了最近几个月国内互联网大厂的大模型产品定位、进展和轶事。看完就能 get 到群雄逐鹿的当下，各家的业务思考和发展方向！推荐推荐~
百度 | 文心一言：正式打响国内版 ChatGPT 第一枪
阿里云 | 通义千问：构建AI的统一底层，发布了专门的语音产品「通义听悟」
腾讯 | 混元：通过 MaaS 商店模式为企业打造专属大模型
京东 | 言犀：奔向产业大模型
华为 | 盘古：手持大量G端客户，此外底层基础设施的全栈自研
360 | 智脑：训练参数、数据有自己的优势，且重视安全
字节 | 火山方舟：更像一个大模型「中介」，可以帮助企业快速将大模型落地
科大讯飞 | 星火认知：在文本生成、语义理解、翻译等方面有着较大的优势
美团：手握大量业务数据，还「接手」了光年之外
出门问问 | 的序列猴子：入局较早并实现了营收，已在港交所递交招股书 ⋙ 云图鉴
? 开发人员成长指南，手把手教你成为一名优秀 mentor
这是一篇视角别致的分享，面向需要胜任 mentor 一角的高阶开发者，作者结合自己的丰富经验提供了非常全面和详细的指导。
文章从建立信任、设定期望、制定目标等多个维度阐述了导师的职责，并提供了实际的案例和行动建议。好文值得收藏！！
? 一、建立基础
步骤1-建立信任：通过自我介绍、分享经历、建立友好关系来建立信任
步骤2-设置界限和期望：明确导师和学员的角色期望,定义合作范围
步骤3-确定目标和计划：根据需求制定可衡量的发展目标和时间线
? 二、指导的艺术
步骤1-鼓励自力更生：通过提问引导学员自己思考解决问题，不给直接答案
步骤2-提供建设性反馈：反馈要具体、建设性，指出问题之余也提供改进意见
步骤3-鼓励透明交流：鼓励学员敞开心扉，分享困难和成果
步骤4-推动持续学习：鼓励学员继续学习新技能，跟上行业发展
步骤5-提出正确的问题：使用恰当的问题引导学员思考，发挥主动性
步骤6-分享个人故事：通过分享真实经历传递智慧并建立情感连接
? 三、反馈循环
通过目标来衡量自己：用预设目标评估导师效果
定期检查：定期与学员沟通进展
寻找有形的改进：留意各方面的进步
寻求他人反馈：向相关人员征求对学员的反馈
对批评持开放态度：虚心接受学员的批评意见
? 四、根据环境调整风格
解码他们的学习方式：识别学员的学习方式并相应调整
了解他们的技术优势和劣势：关注学员的专长和不足之处
考虑情境：根据学员当下情况调整指导方式
紧跟行业趋势：持续关注行业发展动向 ⋙ Vadim Kravcenko
? 一期你看懂也会哭的播客，与绿洲张津剑对谈「AI创业与投资」
张津剑是目前年轻一代 VC 里最有代表性的合伙人，他的绿洲资本是过去几年里少数募资到数亿美元的新基金，也是这波 AI 投资中出手最积极的机构，超过十家的 AI 企业投资数量在市场中绝对是数一数二。
这是一期非常特别的播客， @42章经 邀请到了绿洲资本创始人张津剑，来聊聊过去几年的投资市场、聊最近的AI热潮以及对未来AI市场的看法，也讲了很多关于「生命力」的故事。以下是播客的话题时间轴：
2:02 津剑一路以来的投资历程
15:56 投了 10 家 AI 公司后，为什么我们还在加速投 AI ？
20:19 为什么寒冬的时候往往会出大公司？
21:33 Gartner 曲线，外面看是科技变化的曲线，里面看是人心人性的曲线
23:17 看完几十年的电脑报，我感受到了人类想象力的局限性
29:02 移动互联网的原住民是 DAU，那 AI 时代的原住民是什么？
32:38 畅想 AI Native：Bot 世界里的六层逻辑
39:28 垂直模型可能只是一个过渡态
45:29 津剑怎么看美元基金的未来？
47:52 中国是全球细分需求的练兵场
49:52 众人悲观的时代，正是乐观者的机会
52:53 为什么津剑对「生命力」怀有一种信仰？
播客简介和评论区很多留言表示「听哭了」。。起初不信的我在敲下日报这行字的时候已经哭成狗 ? 非常克制地列写几个播客中的高光观点。非常非常推荐你去听播客，或者阅读文字版：
大的历史浪潮里面没有地图，大的历史浪潮里只有发令枪。当时代拥有一个大的贝塔的时候，你需要做的唯一的事情就是 be there
企业的成长、人的成长，它们都会经历自我的探索期、逆反期，然后再经历一个向内回归的过程；这个过程可能需要 3 到 5 年的时间，要等它完成了这几年的迭代之后，产业才开始真正地向前发展
我认为未来对垂直场景的需求，可以直接凭借一个可泛化的、有常识能力的大模型解决掉；等大模型的 reasoning 能力足够强之后，只需要加入对应的 domain knowledge，它自己就可以把很多东西给推导出来了
中国今天仍然是世界上最大的单一市场，仍然有巨大的创业机会；中国可以把很多产品打磨得非常好，然后我们二、三线城市的需求可以无缝衔接东南亚的一些省会城市
好的时候克制收住了自己的心，难的时候能坚韧坚持，自我迭代突破进化，穿越时间和周期
唐朝有一个和尚有很多神通，能飞天、也能入地。有一次他跟文武百官讲佛法，讲完几万众生席地而起，为他鼓掌叫好；那一刻他的内心突然涌现出了一丝骄傲，紧接着下一秒，他突然发现，自己的所有神通都消失不见了；这其实是一个创业者最最真实的写照 ⋙ 小宇宙 @42章经 | 文字版
? 从 LLM 基础到 GPT-4 实战，2小时带你全攻略大语言模型
ShowMeAI 知识星球资源编码：R176
这是 Jon Krohn 分享的一门大语言模型 (LLM) 实战课，完整介绍了大语言模型的能力，以及如何开发和部署LLM，并演示如何通过 Hugging Face 和 PyTorch Lightning 完成代码操作。通过课程学习将对LLM有基础的理解，并掌握使用GPT-4的实际经验。 以下是课程大纲：
? 1. 大语言模型 (LLM) 简介
▢ 自然语言处理简史
▢ transformer
▢ 子词标记化
▢ 自回归与自编码模型
▢ ELMo、BERT和T5
▢ GPT(预训练的生成式转换器)系列
▢ LLM的应用领域
? 2. LLM 的广泛能力
▢ LLM游乐场
▢ GPT系列的惊人进步
▢ GPT-4的主要更新
▢ 调用OpenAI API,包括GPT-4
? 3. LLM的训练与部署
▢ 硬件加速 (CPU、GPU、TPU、IPU、AWS芯片)
▢ Hugging Face 的transformer库
▢ LLM高效训练的最佳实践
▢ 参数高效调优(PEFT)与低秩适应(LoRA)
▢ 开源预训练LLM
▢ 用PyTorch Lightning训练LLM
▢ 多GPU训练
▢ LLM部署注意事项
▢ 生产环境中的LLM监控
? 4. 从LLM中获取商业价值
▢ 用LLM支持机器学习
▢ 可自动化的任务
▢ 可增强的任务
▢ 成功的AI团队和项目的最佳实践
▢ AI的未来 ⋙ GitHub
感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们！
◉ 点击 ?日报&周刊合集，订阅话题 #ShowMeAI日报，一览AI领域发展前沿，抓住最新发展机会！
◉ 点击 ?生产力工具与行业应用大全，一起在信息浪潮里扑腾起来吧！
