XiaoMi-AI文件搜索系统
World File Search SystemFlipkart
2023-25 暑期实习报告（已审计）
埃森哲战略、埃森哲技术、阿达尼集团、Aditya Birla Capital、Aditya Birla Fashion and Retail Limited、Advaiya、亚马逊、美国运通、Amul、Baccarose、明基、Berger Paints、纽约梅隆银行、西普拉健康有限公司、思科系统、康明斯印度有限公司、DE Shaw、戴尔、德勤、DP World、Droom、Everest Group、Flipkart、FridayFictionFilms、ICICI 银行、ICICI Lombard、ICICI Prudential Life Insurance、IndiaMart、摩根大通、Larsen & Toubro、路博润、MAQ Software、Marico、麦凯恩、MTR Foods、Oxane Partners、Pidilite Industries Ltd、PUMA Sports India Pvt Ltd.、普华永道、RBI、Reliance Retail、Secure Meters Ltd、Service Now、SurveySparrow、TAFE、TATA AIG、TiE Global、Titan、UltraTech Cement Ltd.、UNext Learning Private Limited、United啤酒厂、Valorant Consulting、Vedanta、Vidarbha Infotech Pvt. Ltd. 和富国银行。
移动解决方案对物流的影响...
摘要移动解决方案的兴起，例如自动驾驶汽车，无人机和可穿戴技术，已经改变了物流和供应链管理。这些解决方案使企业能够提高效率，降低成本并提高客户满意度。自动驾驶汽车提高了交付的速度和准确性，而无人机则促进了偏远地区的最后一英里交付。可穿戴技术通过提供有关其身体状况和位置的实时数据来提高工人的安全性和生产率。但是，这些移动性解决方案也对物流和供应链管理构成了挑战。例如，这些解决方案与现有系统和基础设施的集成需要对技术和基础设施进行大量投资。此外，人们对网络安全和数据隐私有担忧。尽管存在这些挑战，但在技术进步和消费者需求不断变化的推动下，未来几年的运输解决方案的采用可能会增加。物流和供应链经理必须适应这些更改，以保持竞争力并满足客户的需求。本文探讨了移动解决方案对物流和供应链管理的影响，探索其收益和挑战，并讨论企业可以采用的策略以有效利用这些解决方案。关键字：阿里巴巴，Flipkart，印度集市，仓库，物流，客户满意度，供应链管理，自动驾驶汽车，技术采用。
印度负责任的人工智能开发者手册
该剧本极大地受益于以下利益相关者和主题专家的见解和反馈：Abhik Chaudhuri，塔塔咨询服务公司数字化转型治理专家 • Abhijnan Chakraborty 博士，印度理工学院 Kharagpur 分校计算机科学与工程系助理教授 • Abilash Soundararajan，PrivaSapien 创始人兼首席执行官 • Abhishek Upperwal，Socket Labs 创始人兼首席执行官 • Ajit Ashok，飞利浦创新园区数据与人工智能卓越负责人 • Akbar Mohammed，Fractal 分形维度负责人 • Amrita Sengupta，互联网与社会中心研究与项目负责人 • Amritendu Mukherjee 博士，NeuroPixel.AI Labs 联合创始人兼首席技术官 • Anand Venkatanaryanan，DeepStrat 首席技术官 • Andeed Ma，新加坡风险与保险管理协会会长兼理事会主席 • Anwesha Sen ，Takshashila 机构助理项目经理 • Arti Khanijo，United We Care 产品主管 • Ashutosh Kumar，Corrosion Intel 工程总监兼主管 • Atul Gandre，塔塔咨询服务公司 AI.Cloud Microsoft Practice 技术主管 • Avik Sarkar 博士，印度商学院莫哈里分校高级研究员兼客座教授 • Avinash Babu M.，Samasti Health Technologies 首席执行官 • Axel Beelen，数据保护和人工智能法律顾问 • Ayushi Agarwal，United We Care 数据科学与分析主管 • Bhavana Mittal，Bert Labs 联合创始人、执行董事兼首席增长官 • Bishakha Bhattacharya，AWS 印度和南亚公共政策主管 • Devesh Raj，富达投资人工智能和数据科学总监 • Errol Finkelstein，ChipX Limited 联合创始人兼首席运营官 • Jeyandran Venugopal，首席产品和Flipkart 的技术官 • Jyothi VK，Aditya Birla Fashion and Retail 总法律顾问兼高级副总裁 • Karen Silverman，The Cantellus Group 创始人兼首席执行官 • Karthik Rao Bappanad，Deep- Strat 网络安全和公共政策顾问 • Krity Kansara，博世全球软件技术公司负责任 AI 产品经理 • M. Chockalingam，nasscom ai 技术总监 • Markus Krebsz，联合国欧洲经济委员会 AI 和其他数字嵌入式技术项目负责人 • Merve Hickok，AIethicist.org 创始人 • Michael Borelli，AI & Partners 总监 • Nehaa Chaudhari，Ikigai Law 合伙人 • Nita Khare，塔塔咨询服务公司 AI.Cloud Microsoft Practice 技术冠军 • Pavan M. Laxmeshwar，博世全球软件技术公司 AI 项目经理 • Preethika Pilinja，Zensar Technologies 高级经理（法律） • Prinkan Pal，LEGOAI Technologies 联合创始人兼首席执行官 • Ravi Vijaya Raghavan，Flipkart 首席数据与分析官兼高级副总裁 • Rohit Kochar，Bert Labs 创始人、执行主席兼首席执行官 • Rubal Chib，qZense Labs 联合创始人兼首席执行官 • Ryan Carrier，ForHumanity 执行董事 • Sachin Baliga 博士，Fortis Healthcare 顾问精神病医生 • Saikat Saha 博士，nasscom ai 技术总监 • Sameep Mehta 博士，IBM Research 杰出工程师 • Satish Grampurohit，Cogniquest Technologies 联合创始人兼首席执行官 • Saurabh Singh，AWS 印度和南亚技术政策负责人 • Sendil Kumar，礼来公司高级分析和数据科学高级总监 • Shweta Gupta，微软工程高级总监 • Sivaramakrishnan R. Guruvayur 博士，aaquarian.ai 首席 AI 科学家，
提取特征，构建推荐系统......
该项目处理加州大学圣地亚哥分校 Julian McAuley 提供的亚马逊数据集。该项目旨在使用潜在狄利克雷分配 (LDA) 提取亚马逊文本评论中讨论的特征。此外，一旦提取出特征，就会构建一个推荐器。为了实现这一点，该项目提出了各种模型，如主题聚类推荐、无约束矩阵分解和基于内容的过滤。首先，清理数据集并进行数据探索以观察数据中的各种趋势。根据评论的评分，创建词云以确定数据集中每个单词的重要性。在初步数据探索之后，使用潜在狄利克雷分配 (LDA) 提取数据集中讨论的主题。[8,10] 最后，使用这些主题，在主题聚类推荐、无约束矩阵分解和基于内容的过滤等不同模型的帮助下构建推荐器。根据召回率和平均绝对误差等指标，将选择最佳模型。关键词：亚马逊，推荐器，LDA，主题建模，基于内容的过滤，矩阵分解 1.简介 互联网是重要的信息来源。过去几年，电子商务领域取得了长足的发展。几乎所有我们需要的东西都可以在网上轻松获得。亚马逊、eBay 和 Flipkart 等网站在电子商务中发挥着至关重要的作用。亚洲、非洲/中东和拉丁美洲地区超过 60% 的人口愿意在线购物 [7]。据观察，2017 年第一季度，电子商务销售额达到 1057 亿美元 [10]。如果大多数人依赖电子商务网站购物，那么概述网站上发布的有关产品的评论就很重要。其他各种客户都会阅读有关在线发布的任何产品的评论。根据现有的评论和可用的评论数量，客户往往会决定是否购买该产品。网站上任何产品的评论对于决定网站或产品的成功都起着非常重要的作用。
商业中的博弈论：战略决策......
1,2 助理教授，Innocent Hearts 机构集团 摘要 博弈论是理解商业中理性决策者之间战略互动的分析框架。本文探讨了博弈论在商业战略中的应用，重点研究了企业如何使用博弈论模型来增强决策能力并在复杂的市场中获得竞争优势。本文包括不同行业的公司案例研究，例如 Infosys、苹果和三星等公司在全球智能手机市场上的竞争、亚马逊和 Flipkart 在电子商务领域的竞争以及可口可乐和百事可乐在软饮料行业的竞争。每个案例研究都展示了博弈论在现实商业场景中的相关应用，并展示了企业如何使用博弈论模型（如纳什均衡、混合策略和重复博弈）来应对竞争压力、优化定价和预测竞争对手的行为。本文的结论是，博弈论是战略规划的重要工具，使企业能够预测竞争对手的动作并做出有效反应。关键词：博弈论、囚徒困境、序贯博弈、定价策略、纳什均衡、主导策略。 简介 战略决策是企业成功的关键。在当今竞争激烈的商业环境中，组织面临着复杂的战略选择，需要仔细了解竞争对手的行动。博弈论是数学的一个分支，它为分析这些相互作用提供了一个强大的框架，使企业能够预测竞争对手的举动并做出决策以最大化各自的收益。本文探讨了博弈论在商业中的应用，重点关注其在战略决策中的作用及其产生的竞争优势。 当今的公司面临的竞争是动态的、相互关联的。了解竞争对手、客户和其他利益相关者的反应对于保持竞争优势至关重要。博弈论提供了对这些相互作用的洞察，为企业提供了预测潜在结果和制定优化绩效策略的工具。 目标 本研究论文的主要目标是：
检测、稳健性、归因和缓解
在演讲中，我将介绍我的实验室在人工智能、应用机器学习和数据挖掘方面的最新进展，以打击网络和社交媒体平台上的恶意行为者（傀儡、逃避禁令者等）和危险内容（错误信息、仇恨等）。我的愿景是为每个人创建一个值得信赖的在线生态系统，并创建下一代促进健康、公平和安全的社会意识方法。总的来说，在我的研究中，我创建了新颖的图形、内容（NLP、多模态）和对抗性机器学习方法，利用 TB 级数据来检测、预测和缓解在线威胁。我的跨学科研究创新了社会技术解决方案，这些解决方案是我通过将计算机科学与社会科学理论相结合而实现的。我也热衷于将我的研究付诸实践——我实验室的模型已经部署在 Flipkart 上，影响了 Twitter 的 Birdwatch，现在正在部署在维基百科上。我的研究开启了范式转变，从当前缓慢而被动的应对网络危害的方法转向敏捷、主动和全社会的解决方案。我的演讲将概述我研究的四个重点：（1）跨平台、语言和模式检测有害内容和恶意行为者：我的研究超越了研究“推特上的英文文本”的标准实践，旨在解决解决跨平台（Micallef 等人，2022 年）、语言（Verma 等人，2022b 年）和模式（Verma 等人，2022b、c）（图像、视频、文本）根深蒂固的基本问题的巨大挑战。 (2) 通过预测未来的恶意活动，增强检测模型对敌对行为者的鲁棒性：我的工作是通过开发第一种对抗性学习技术来突破界限，以主动预测对手行为来欺骗检测模型。接下来，我们提高模型对操纵的鲁棒性。我的实验室调查了部署在一些最大平台上的模型的漏洞：Facebook 的 TIES 坏人检测器（He、Ahamad 和 Kumar 2021）、Twitter 的 Birdwatch 错误信息检测器（Mujumdar 和 Kumar 2021）和维基百科的禁令逃避（Niverthi、Verma 和 Kumar 2022）。(3) 归因于有害内容的影响和推荐系统的作用：我的实验室创建了数据驱动的技术来确定网络危害对
Welspun 先进材料（印度）有限公司
足智多谋的推广者和经验丰富的管理层 WLL 是 Welspun 集团的一部分，是印度最大的家纺产品出口商，业务遍及全球 50 多个国家。该公司通过位于印度古吉拉特邦安贾尔和瓦皮的制造工厂向一些顶级全球零售商供货。Welspun 集团是一家多元化企业集团，在管道、纺织品、基础设施和仓储等领域拥有良好的业绩记录，在 DI 管道、地板解决方案和高级纺织品领域的业务日益增长。作为 Welspun 集团的一部分，该公司从管理层的经验和能力中汲取力量。该公司由 BK Goenka（Welspun 集团董事长）和 Rajesh Mandawewala（Welspun 集团执行副董事长）推广，并得到 WLL 首席执行官兼董事总经理 Dipali Goenka 的大力支持。在国际影响力的家纺领域占据领先地位 WLL 是印度最大的家纺产品出口商，业务遍及全球。 WLL 的分销网络覆盖 50 多个国家。其约 63-65% 的收入来自美国，在美国是家纺领域的领先企业，其次是英国和欧洲，收入占 16-17%，13% 来自印度。多元化的产品组合、新兴业务为未来增长做出贡献 WLL 的产品组合包括各种浴室和床上用品，例如毛巾、床单、浴垫、浴袍等。该公司一直在家纺领域不断创新，推出更新的品种，例如湿棉毛巾、纳米芯、木炭注入纺织品、超快干燥 - Drylon 等。 WLL 还拥有一个高级纺织品部门，生产水刺无纺布、针刺无纺布、湿巾等。19 财年，WLL 通过其全资子公司 Welspun Flooring Limited (WFL) 开始生产地板解决方案，例如 click-n-lock 瓷砖、地毯砖、满铺地毯、草坪砖等。2024 财年新兴业务（即国内业务、品牌业务、高级纺织品和地板业务）的贡献占总收入的 30%，高于 2020 财年的 14%，这些部门贡献的增加预计将在中长期内提高营业利润率。与大型全球零售连锁店建立关系多年来，WLL 与客户建立了牢固的关系，并按照年度计划（采用“成本加成”定价）向主要客户提供产品。在 B2B 类别中，WLL 在国内向亚马逊、Flipkart 和 Myntra 等零售商供应产品。在国际市场上，WLL 向沃尔玛和宜家等大型零售商供应产品。WLL 的最高收入来自家纺领域的 B2B 渠道，占 2024 财年总销售额的 67%（2017 年为 66%）。除此之外，WLL 还通过店中店、特许零售店销售自有品牌，以及通过电子商务平台。WLL 在 600 多个城镇拥有 20,000 多个门店，是印度家纺领域第一大分销品牌。疫情过后，电子商务平台在过去一年中发展迅速，因为现在越来越多的人在家中安全购物。对于地板业务，WLL 与 Infosys、谷歌、凯悦、万豪、泰姬集团和丽笙等领先品牌合作。它还在 380 个城市拥有 240 个店中店，以增加其市场份额。综合运营性质 WLL 是垂直整合的，这增强了其整体业务状况。WLL 的整合水平包括将棉花转化为床上用品和沐浴用品等制成品（床单、枕套、羽绒被、棉被、被子、床垫、浴巾、浴垫、
关于人工智能对日常生活影响的研究
研究生，商业学士 CMR 大学，班加罗尔，卡纳塔克邦，印度。摘要：数字技术的迅猛发展归功于人工智能的认知能力。在过去十年中，智能机器领域得到了长足发展。本文重点关注商业、文化、工业和日常生活，其中人工智能发挥着不可或缺的作用。我们每天都在与人工智能打交道，往往没有意识到，以各种方式，从深度学习到自然语言处理。现在人类执行的许多最重复的操作已经可以通过人工智能更快、更准确地完成。然而，人工智能不仅仅存在于机器人中。借助人工智能，人类将能够进入更好、更熟练的岗位；他们所需要的只是一点培训和知识。本文对人工智能产生的全球收入进行了统计分析。1.简介 当今技术发展速度惊人。我们每天都会遇到创新。人工智能是计算机科学的尖端技术之一。人工智能是计算机科学中一个令人着迷、全面且前景广阔的领域。人工智能由“人工”和“智能”两个词组成，其中“人工智能”被理解为“人造”和“智力”。人工智能是一种像计算机控制的机器人或软件一样的系统，它像人脑一样具有创造性思维。引入人工智能是为了改进现有产品的功能，而不是从头开始构建新产品。您可以借助人工智能开发软件或硬件，快速准确地解决各种现实问题，包括与交通、营销和健康相关的问题。人工智能为新产品、新技术和新机遇铺平了道路。根据其能力，弱人工智能、强人工智能和超级人工智能是人工智能的三大类别。 弱人工智能：专注于特定任务，并受这些限制。 强人工智能 - 能够理解和掌握人类可以进行的所有认知活动。 超级人工智能 - 表现优于人类。企业和组织可以从人工智能中受益，以更好地了解消费者行为、市场趋势和其他关键要素。有了这些知识，就可以做出更好的判断并实现更好的业务成果。2.由于人工智能极大地改变了我们的生活方式，我们可以自动化任务以节省时间并消除人为错误。下一代人工智能的使用正在几乎每个行业中迅速推进，包括银行业、医疗保健业、教育业和金融业。人工智能使得更精确地跟踪客户成为可能，从而创造了新的潜在客户并改善了客户服务。它在每个阶段都为客户提供帮助，从产品浏览到付款处理。企业提供的服务的效率和成本效益都因技术而得到增强。人工智能的最新进展有可能为企业提供新的选择。客户与商业组织之间的关系也受到计算机系统的影响和增强。更高技术使用的趋势导致了智能系统的创建，这些系统可以在更少的人为参与的情况下管理和监控业务模型。能够满足多个行业消费者需求的人工智能系统对于现代经济必不可少。在几乎没有人类参与的情况下，人工智能对于监控商业环境、了解客户需求和制定适当战略至关重要。必须强调人工智能改善了人们的生活这一事实。值得注意的是，整合人工智能技术对改善人们的日常活动具有重大影响。人工智能 (AI) 是使用技术开发的智能，类似于人类和其他动物自然表现出的智能，包括情感和认知。现代计算机系统中的人工智能提供了极其灵活、更便宜的网络基础设施，为世界各国数百个组织提供服务。在 Netflix、亚马逊、Flipkart 和谷歌等知名产品和服务的幕后，人工智能算法始终在发挥作用。但在过去几年中，人工智能在营销领域开辟了一条更深层次的道路，帮助企业提升客户体验的各个方面。此外，以前只有企业才能获得的解决方案现在可以由中小型企业购买和使用。人工智能将推动人类的所有努力，并在解决问题方面比人类更有效率。该公司将技术融入几乎所有服务中，但 Gmail 尤为引人注目。目标 人工智能有助于自动执行任务并消除人为错误。Google 利用人工智能和机器学习大大提高了 Gmail 的用户友好度。eBay 等市场巨头正在通过实施人工智能技术将消费者体验提升到新的水平。 人工智能增强了客户服务并开辟了新的商机。 人工智能有助于以最少的人工参与和具有挑战性的任务解决问题。