NFT:Chainlink Labs上任新首席产品官

KemalElMoujahid正式加入ChainlinkLabs,他此前成功扩展了全球第一的机器学习平台。

ChainlinkLabs专注为去中心化预言机开发全局标准,推动区块链实现主流应用。其在今天宣布谷歌TensorFlow的前任产品总监KemalElMoujahid正式加入ChainlinkLabs,担任首席产品官。

KemalElMoujahid加入ChainlinkLabs担任首席产品官。

Chainlink联合创始人SergeyNazarov表示:“Kemal拥有改变世界的成功经验,他最近的一次成功是将TensorFlow集成至全球顶尖的机器学习平台和生态。他参与建立了机器学习行业,为几百万开发者提供了机器学习技术,并帮助他们获得成功。我非常高兴他能加入ChainlinkLabs,并将他的成功经验复制到区块链行业。”

STEPN:推特粉丝数突破50万将送出50双BNBChain创世鞋:5月9日消息,据Move to Earn应用STEPN在其社交网站上表示,若推特关注者数量突破50万,将会送出50双BNBChain创世鞋,价值超过150万美元。截止发稿,STEPN官方推特关注者人数为40.8万。[2022/5/9 3:00:26]

ElMoujahid是谷歌TensorFlow的产品总监,TensorFlow是全球第一的开源机器学习平台。在他的领导下,TensorFlow实现了3亿次下载量以及最大规模的企业AI应用场景。在TensorFlow之前,ElMoujahid曾在Meta任职,并发布了Messenger平台,成功将2000万家企业与10亿用户连接在一起。在那期间,他还发布了Facebook虚拟助手“M”,并最终实现了2亿月活用户。

Patreon 考虑让其创作者通过创作者代币或社交代币为粉丝提供会员资格:11月1日消息,面向创作者的订阅众筹平台 Patreon 正在考虑让其创作者通过创作者代币或社交代币为粉丝提供会员资格。Patreon 表示,创作者有可能通过另外单独的平台创建代币,该公司可能不会为创作者代币或社交代币建立内部铸币平台。(Decrypt)[2021/11/1 6:24:17]

ElMoujahid表示:“我非常高兴能够在区块链和预言机发展的关键时刻加入ChainlinkLabs。当开发工具不断丰富时,开发者将被激发出无限创意和潜能,我在机器学习技术的发展过程中见证到了这一点。我相信智能合约将带来颠覆式的发展,让世界变得更好。而Chainlink则拥有独特的优势,可以帮助几百万开发者和建造者将创新势头推向新的高度,并加速变革。”

F1红牛本田车队将与Tezos合作推出NFT粉丝代币:Tezos已成为F1红牛本田车队的官方区块链合作伙伴,并将合作推出该组织的NFT粉丝代币。车队负责人兼首席执行官Christian Horner表示,Tezos是一种基于PoS共识算法的开源区块链,其“节能设计与车队长期的环境雄心相匹配。”(Decrypt)[2021/5/20 22:25:24]

除了ElMoujahid之外,前DiemAssociation的首席技术官DahliaMalkhi博士也于近期加入了ChainlinkLabs,担任首席研究官。LinkedIn的前副总裁MikeDerezin在去年下半年也加入了ChainlinkLabs,担任首席运营官。此外,前谷歌CEOEricSchmidt、斯坦福大学密码学家DanBoneh以及Diem的联合创始人ChristianCatalini都以顾问身份加入了ChainlinkLabs。

ChainlinkLabs目前正在全球招聘各个部门岗位,并在近期被评为顶尖远程工作企业。更多招聘信息,请访问chainlinklabs.com/careers。

关于ChainlinkLabs

ChainlinkLabs是领先的区块链预言机解决方案提供商,为用户提供安全、可靠的开源预言机解决方案,将智能合约接入一系列链下数据源和计算资源,其中包括资产喂价、webAPI接口、物联网设备以及支付系统等,以此增强智能合约的功能。我们的目标是让Chainlink为去中心化预言机框架的开发和集成设立行业标准,并服务于所有区块链上的智能合约。

Chainlink为预言机服务的开发、访问和销售建立了行业标准,可服务于任何区块链上的混合型智能合约。想要了解关于Chainlink预言机的更多内容,请访问chain.link,或访问docs.chain.link阅读Chainlink文档。想要讨论集成相关事宜,请联系Chainlink专家。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

链链资讯

[0:0ms0-6:968ms