AI特效千千万，唯独这款火出圈。
最近，号称“钢铁直男毁灭者”的Snapchat AI去胡子滤镜彻底火了，成了外国“女友们”杂耍男友的必备神器。
这款“伤害性不大，侮辱性极强”的滤镜能让苦心经营络腮胡多年的猛男瞬间被打回原形，一秒变小狼狗。
友情提示，愚人节快到了，如果你今年还没有想出来怎么整男友，那就用这个吧：
打开滤镜之前：身高八尺，膀大腰圆，自带江湖大哥气质。
随着特效开启，猛男华丽转身，画风直接倒立了起来：
广大直男表示：这次#NoBeardChanllenge完全是一次针对传统男性气质的恐怖袭击。
“如果你敢刮胡子，咱俩就分手！”

不仅男朋友们已经被这个滤镜玩坏了，名人和历史人物也没逃过一劫。
哈登：嘴上没毛，运球不牢
李逵和贾玲之间的距离只差了一抹胡子
01
完美滤镜
靠算法也得靠数据
Snapchat的这款去胡子特效使用的是类似Deepfake的深度学习结构算法，使用编码器（encoder）和解码器（decoder），并在海量图片数据库中计算并模拟，达到“换下巴”效果。
有了算法，数据训练成了特效逼真与否的关键点。据了解，Snapchat需要以海量人脸数据来“喂养”该算法，并且需要在胡须长度、领子、光照角度、人脸角度、年龄、表情等多维度进行特殊训练。
在机器学习眼里，人类的毛发都是相通的
哪里可以学？
随着深度学习技术的飞速发展，越来越多的互联网公司开始在应用中使用深度学习。想在简历上拥有最前沿的tensorflow项目？想学习auto-encoder-decoder模型和技术？
那就不要错过来Offer数据课程经典项目【基于Auto-Encoder-Decoder电影推荐与Embedding模型】
（点击文字，查看项目详情）
02
Snapchat靠算法弯道超车
却被TikTok“截胡”
事实上，这个滤镜最早是在Snapchat上作为聊天表情滤镜出现的。由于具有恶搞和传播属性，“去胡子”滤镜眼看就要靠口碑出圈了。
然而正当Snapchat准备扬眉吐气一回，成果却被半路杀出来的TikTok “No beard Challenge” 截胡了。这个挑战的内容就是用Snapchat录“去胡子视频”，然后传到TikTok上。
都开始明抢了吗？良心不会痛吗？
TikTok的这个挑战在短短两周内达到1亿次观看，直接把Snapchat的风头抢了过来，一点汤都没给剩下，以至于很多观众都以为这是TikTok自己研发的滤镜。
但是为什么是Snapchat先做出这款滤镜呢？
虽说Snapchat和TikTok的算法都很强，但Snapchat以人脸特效滤镜起家，通过过往的滤镜积累了大量面部数据用以训练算法，这也是为何Snapchat能够在TikTok之前做出如此“天衣无缝”的换脸特效。
相比之下，TikTok虽然算法能力强、用户量巨大，但其面部滤镜却不是主打功能，大部分用户还是以原创视频拍摄为主，从而缺少了数据的积累，难以训练出如此以假乱真的算法。
在算法和数据的战场上，失之毫厘差以千里。
事实上，大厂都在紧盯对方在AI和数据科学方面的动向，随时准备“截胡”。这也导致两家对优秀Data和AI人才的争抢非常激烈。
上下滑动查看近期Data岗招聘职位
以FAANG为首的大公司们也在这个赛道上押上了很大筹码。
在去年的TikTok收购案中，微软就试图以高价收购TikTok，其看中的主要是TikTok庞大的用户数据库资源。微软后来也在自家博客文章中承认了获取被收购公司数据的意图。
如果收购成功，Microsoft将可以访问TikTok的大量数据，使微软的众多服务受益，并有望将TikTok转化为Azure的广告工具。
TikTok的数据还可以帮助Microsoft纠正盲点，甚至影响公司内部开发新软件和服务的方式。
当收购中止后，微软又立马转头去收购Pinterest，业界普遍认为Microsoft此举目的也是获取其积累的大量可视化数据资源。可以说，微软不是冲着某家公司去的，而是冲着宝贵的数据资源去的。
从大厂的种种行动和战略布局看来，数据科学领域将是未来人才争夺战的焦点。
上下滑动查看近期Data岗招聘职位
那么，在哪里可以学到
最前沿的数据科学技术
还可以充实简历，拿到大厂面试？
👇👇👇
来Offer【人工智能与数据科学强化课程】
4月15日，免费试听！
扫描上方海报二维码
或联系任一已加顾问老师报名
为帮助同学们毕业季冲刺
👇 本期课程全面升级👇
100+节课+分班教学！
助你夯实基础，冲刺大厂！
文商科转专业、零基础同学的福利来啦！
为了更好的帮助基础薄弱的同学学习数据知识，本期课程我们在原先90节正式课的基础上，特别添加了10+节基础加强课。入学后你将参与分班教学，如果你对：
#
贝叶斯定理
#
中心极限定理
#
最大似然估计
#
高斯分布
等数据岗基础知识的推导及应用还不太了解，那么本期的基础加强训练课将帮助你解决这些问题，建立好知识框架。让基础薄弱的同学在上正式课之前就夯实基础！
除以上问题以外，你还可以在基础加强课中学习到:
概率与统计基础知识及理论
机器学习理论基础
2021年数据岗招聘常见面试题
更有本期亮点项目
助力毕业季求职
上下滑动查看项目详情
1
Anomaly Detection 
数据异常检测与处理
电商业、Fintech业在疫情期间蓬勃发展，但在订单、业务增加的同时，业伴随着越来越多的欺诈风险和金钱损失。
如何在海量数据中有效的鉴别少量欺诈交易，降低损失，而维持较好的客户体验，是各大公司艰巨的挑战。
在本项目中，我们将一起分析处理某知名电商交易数据，通过系统的洞察数据中关联/模式，建立完整机器学习解决方案，基于数据给出切实可行的商业建议，最小化企业欺诈损失。
完成这个项目，将帮助你求职以下热门公司：
2
Fintech用户信用评级
建模分析与金融风险控制
数据挖掘和数据分析是互联网金融风险控制中最重要的一环。在大数据时代，银行和互联网金融公司在控制金融风险上进行了大量的投入。在过去的几年，大量的小型借贷，P2P公司所面临的金融风险成为了其成长的魔咒。
但是在国外，P2P的鼻祖Lending Club，在国内，阿里金融都能够做到较好地控制小贷风险。这些公司通过海量庞杂的数据，建立完善的风险评估系统，对用户做好信用评级来降低自身风险。
本项目就是利用LendingClub的实际案例，帮助同学学习互联网金融公司及传统银行怎样通过分析，建模来融合多维，多来源的数据，区分正常用户和欺诈用户，降低贷款风险。
在项目结束后，同学可以独立完成数据的特征挖掘，能够自己动手开发基于机器学习的金融分析模型，能够熟练掌握各种分类算法，并且可以用业界数据解决任何互联网金融或银行的实际问题。
完成这个项目，将帮助你求职以下热门公司：
现在，这么硬核的求职课
4月15日，免费试听！
快扫描下方二维码咨询吧！
第261周
最新Offer榜
向上滑动阅览

疫情期间，来Offer的学员也offer不断！
查看完整offer榜，请前往www.laioffer.com
求职，你只需要一门课程。
内容编辑：博洋
责任编辑：荨麻籽
继续阅读
阅读原文
关键词
用户
公司
滤镜
特效
胡子