XiaoMi-AI文件搜索系统
World File Search SystemTPRi
人工智能助力 H&E 复兴
深度学习 (DL) 是人工智能的一个子领域，它充分利用了人工神经网络的潜力，尤其是具有多个非线性“深层”的卷积神经网络 (CNN)，在解决基于图像的问题方面取得了巨大成功 [2]。例如，CNN 已成功识别人脸、交通标志和物体、汽车、动物，使机器人和自动驾驶汽车具有视觉功能，最近，它还使医疗应用具有视觉功能。这些神经网络在多个分类和分割任务中表现出了人类水平的性能。CNN 的性能通常通过准确度、灵敏度、特异性、精确度、召回率（也称为真阳性率 (TPR)）和假阳性率 (FPR)（等于 1 - 特异性）来评估。实际上，TPR 和 FPR 之间总是存在权衡，就像在医学领域经常面临的灵敏度和特异性之间的权衡一样，必须在训练模型的性能中找到假阳性和假阴性之间的平衡。例如，可以绘制接收者操作特性曲线（ROC 曲线），即在不同分类阈值下绘制 TPR 与 FPR 的曲线，然后可以找到一个在 TPRi 和 FPRi 之间达到令人满意的平衡的操作点（TPRi、FPRi）。为了使用单一性能指标（曲线下面积 (AUC)）评估和比较经过训练的 AI 模型的性能，整个
没有青少年就没有科技：年轻员工短缺如何阻碍企业技术投资
∗ ifo 研究所和曼海姆经济与经济研究所，lipowski@ifo.de 我非常感谢 Anna Salomons 和 Ulrich Zierahn-Weilage 的建议和支持。对于有帮助的评论和对话，我感谢 Daron Acemoglu、Melanie Arntz、David Autor、Eduard Br¨ull、Christian Dustmann、Guido Friebel、Katja G¨orlitz、Maarten Goos、Simon J¨ager、Morten Olsen、Harald Pfeifer、Pascual Restrepo、Johannes Schmieder、Anna Waldman-Brown 和 Nicolas Ziebarth。我感谢 EEA（巴塞罗那）、EALE（布拉格）、TPRI（波士顿）、未来技能会议（LISER）、ces-ifo 技能再培训和技能短缺暑期学院（威尼斯）、教育和职业培训经济学领导机构会议（苏黎世）以及波恩大学、法兰克福金融与管理学院、慕尼黑 ifo、IWH Halle、IZA、慕尼黑 LMU、曼海姆大学、柏林 Rockwool 基金会、乌得勒支大学和曼海姆 ZEW 的内部研讨会的会议和研讨会参与者。该项目由莱布尼茨协会通过海德堡大学莱布尼茨应用劳动经济学教授职位（P56/2017）和曼海姆 ZEW 提供资金支持。
菲利克斯·珀格
2024 年：波尔多大学；苏黎世大学；卢森堡大学；奥斯陆大学；第 9 届科学、技术与创新研究数据与算法暑期学校（CfP 确认参与者）；AOM；DRUID；BSE 夏季创业论坛；ESMT 计算化学和研发轨迹研讨会 2023 年：波士顿大学；HBS 青少年创新经济学会议；布里斯托尔创新经济学研讨会；圣心天主教大学 2022 年：REER；剑桥大学；AOM；CEPR/JIE 应用工业组织会议+学校；IIOC；NBER 生产力研讨会；波士顿大学；知识产权与创新虚拟研讨会；ICEA 税收与创新会议 2021 年：EPFL 虚拟创新研讨会；杜塞尔多夫竞争经济研究所；慕尼黑工业大学；CRC 静修和暑期学校；慕尼黑暑期学院（海报）；欧洲工业组织研究协会 (EARIE) 会议；波士顿大学；经济史协会会议；德国经济学会；慕尼黑大学 2020：马里兰大学；SKEMA；欧洲经济协会；管理学院；德国经济学会；曼海姆大学；慕尼黑大学 2019：TPRI；波士顿大学；犹他大学；慕尼黑大学；管理学院；ZEW Innopat；青年经济学家春季会议；创新、技术变革和国际贸易研讨会海尔布隆，慕尼黑青年经济学家会议之前：慕尼黑大学 (3x)；EPIP；创新地理会议；EBE 夏季会议；RISE 青少年研究员研讨会