我们是否真的想取消人性化的沟通,减少与REAL人员的互动以及仅在Internet上积极主动?

随着互联网和技术对社会的渗透,学习环境正在发生变化。 它迅速改变了我们的生活,我们正在迅速适应并利用互联网提供给我们的所有优势,而没有考虑到它使交流失去了人性化并抑制了面对面的互动。 基本上,它使我们与众不同。 在此博客中,我将介绍事实,为什么不能将Facebook视为连接人与人之间的平台并会带来弊端,这使得大规模开放在线课程(MOOC)无法参与在线学习平台。 我必须承认,在来到南安普敦大学之前,我一直很高兴有机会通过互联网与其他人联系。 我喜欢在线学习的想法和总体范围,因为这就是我学到了很多东西的方法(例如,使用Google Analytics(分析),AdWords,照片和视频编辑软件的不同命令,电子商务和内容管理系统)。 Mu目前在Facebook小组的经验比在讲座中的对话更为活跃,而MOOC则使我对互联网和技术为我们提供的所有优势形成了看法。 通常,社交媒体提倡这样一种事实,即它与人联系,但您不认为它实际上使我们与真实的互动隔离了吗? 首先,社交媒体的作用是减少互动。 例如:Facebook允许我们拥有一个“数字营销SBS”小组,它可以帮助我们与同学联系。 同时,它通过技术增加了互动,减少了面对面的交流。 我的亲身经历表明,与以前的研究发现的事实相同,人们通过技术与他人进行交流的频率比亲身交流的频率更高,这导致了面对面互动的质量和数量均下降了(Drago,E.,2015)。 人们可以在互联网上找到信息,因此,它消除了同事,同学,朋友和家人之间曾经进行的对话。 其次,它使交流变得不人道。 相同的研究表明,人们倾向于“亲自参与,不受电话和设备的束缚,即使实际上是在其他人在场的情况下”。 我在演讲中的经验也得出了相同的发现。 休息期间的人们是如此积极地连接到Wi-Fi和他们的电话,以至于他们忘记了如何与身边的人交流。…

您如何推进机器学习? 教他们贝多芬和巴赫

MusicNet是古典音乐的新数据集,旨在向机器传授作曲,以提高机器的学习,理解和作曲能力。 MusicNet是由华盛顿大学(UW)研究人员创建的大型数据集,用于教授机器古典音乐的结构,旋律和细微差别。 这不是我们第一次向计算机教授音乐,但是希望借助MusicNet,他们可以通过更复杂的学习以新的方式改进技术。 MusicNet的古典音乐数据集是公开可用的,并带有精选的精细注释,使机器可以更深入地了解音乐的创建和播放方式。 研究人员希望借助MusicNet,他们可以推动机器学习的各种要素,例如音符预测,自动音乐转录以及基于音频而不是相关标签的最令人兴奋的建议(在我看来)。 威斯康星大学计算机科学,工程学和统计学副教授Sham Kakade说:“在高层次上,我们对使音乐吸引人的是什么感兴趣,我们如何更好地理解构图,或使巴赫听起来具有本质的本质像巴赫 它还可以帮助实现仍然具有挑战性的实际应用,例如将现场表演自动转录为书面乐谱。” MusicNet的330个免费许可的古典唱片带有超过一百万个带注释的标签,可精确指示每个音符的时间,精确到毫秒。 标签还可以帮助机器理解使用不同乐器创作歌曲的方式,以及每个音符与其在歌曲结构中位置的关系。 所有标签均已由训练有素的音乐家进行验证,以确保它们准确无误,并为机器提供最精确的信息,以使您获得最佳学习效果。 该数据集的工作方式与ImageNet类似,ImageNet是类似的大型图像数据库,已帮助导致我们今天拥有的计算机算法可以检测人脸,物体,甚至到现在我们拥有可以检测每个物体的自动驾驶汽车他们周围和他们是什么。 威斯康星大学统计助理教授Zaid Harchaoui说:“音乐研究界数十年来一直致力于手工制作复杂的音频功能以进行音乐分析。 我们构建了MusicNet,为研究人员提供了一个带有标签的大型数据集,可自动学习更多富有表现力的音频功能,这些功能具有从根本上改变各种音乐分析任务的最新技术的潜力。” 使用一种称为动态时间扭曲的技术,该技术可以以不同的速度检测相似的音频,从而使机器可以比任何音乐家都更深入地研究音乐。 该项目的主要作者John Thickstun说:“您需要能够在3秒50毫秒至78毫秒之间说出这种乐器正在演奏A。但是,即使是专业音乐家也无法做到这一点,这是不切实际或不可能的。准确性。…

编码是终极创意工具

我认识的几乎每个人都希望花时间编码,如果他们能很快地精通它。 想一想。 使您自己的应用程序创意变为现实的力量,甚至是简单地创建自己美丽的个人网站的力量,都非常令人满意。 问题是,达到此基准能力的唯一方法是数小时的练习。 诀窍是,除非您能够享受随着时间的推移而逐步发展的过程,否则几乎可以肯定,您将永远无法达到使您开始发挥创造力的技能水平。 在许多传统的CS程序中,我们几乎完全忘记了这个创意作品。 早期,我们已经钻研了数据结构和算法,并针对存在明确答案的问题进行了实践。 这些事情很重要,但是我希望这些概念的教学可以集中在开放式项目上,而不是研究问题集。 我们告诉自己,如果从等式中消除创造力,我们会更快地学习,但这是真的吗? 这些班上的许多人都对计算机科学感兴趣,因为他们想创造。 经过几次此类培训后,大多数相同的人都放弃了,或者放弃了尝试将编码用作其创造性的工具。 当我看着最精疲力尽的时候,几乎总是因为我忘记了项目的创造性。 复制另一个Facebook,Pinterest,Instagram,[在此处插入社交网络]并不有趣。 即使采取已经存在的东西并对其进行一些改进也不是那么有趣。 正如彼得·泰尔(Peter Thiel)在“零对一”中谈到的那样,创造的行为很特别。 要点。 奥斯卡·尼尔森(Oscar…