

 写点什么

算法平台

收录了算法平台频道下的 50 篇内容

极视角科技罗韵：开放算法平台，推动计算机视觉技术多行业落地

极市平台是极视角旗下的另一大算法平台产品，主要为开发者提供视觉算法开发、测试、优化、宣传、销售等服务。InfoQ记者专访了极视角首席生态官罗韵，她将为我们带来极视角极市平台的技术解析。

作者 : 陈思

2017-07-19

4674

得物算法平台部算法专家任巨伟确认出席 AICon 上海站，分享高可控智能客服的 Agent 工程实践

本演讲结合了得物智能客服从传统 workflow 向 AI Agent 端到端解决方案落地过程中的痛点和成功实践经验

作者 : AICon 全球人工智能开发与应用大会

05-27

预约直播 | 流批一体机器学习算法平台 Alink 介绍及应用

阿里云AI技术分享会第五期《流批一体机器学习算法平台Alink介绍及应用》将在2022年10月12日晚18：00开启直播，精彩不容错过！

深度学习

阿里云大数据AI技术

2022-10-08

直播预告 | 博睿学院：算法平台底座 - 数据湖应用

数据湖一种大型数据存储和处理方案，允许企业将大量结构化和非结构化数据存储在数据湖中,并进行批处理和实时处理。数据湖的三种常用管理工具分别是Delta、Hudi和Iceberg。那么，究竟哪一种管理工具才是最优解呢？

数据湖

可观测性

智能运维

博睿数据

博睿学院

博睿数据

2023-05-31

腾讯云首次公布 AI 新基建全景布局

腾讯云AI新基建的整体布局是“一云三平台”架构，即基于腾讯云强大的弹性计算、无限存储、加速网络以及全域安全能力为腾讯云AI提供强大的底层算力资源。

作者 : 刘燕

2020-05-29

多语言阿里小蜜——七步构建跨越语言鸿沟的对话机器人

本次分享介绍智能服务的对话机器人阿里小蜜作面临哪些新挑战，如何运用多语言 NLP 技术，以及如何通过七个关键步骤构建多语言对话机器人。

作者 : 张佶

2019-08-15

1800

白海科技卢亿雷：把简单留给用户把复杂留给自己 | TGO 专访

鲲鹏会（北京）董事会成员。算法平台和数据分析平台等工作。计算平台经验。正成为人类经济发展迈向更高台阶的核心驱动力。

TGO鲲鹏会

2022-06-30

开源跨平台推荐算法框架 LibRec：包含 70 余例推荐算法

本文细致的总结了LibRec项目中整个模块的规划以及每一个模块的功能构成，并最终演示了基于当前项目的模块进行推荐的完整代码。在整个模块的设计过程中，以易用，高内聚，低耦合为目标进行设计，力求使得LibRec项目可以成为一个高扩展的算法框架。从最终的执行结果来看，目前LibRec的结构完全满足了当初进行2.0版本研发时的所有需求。同时，在LibRec优良的模块化基础上，其内置的算法的丰富性，配置的灵活性，框架的易用性以及计算流程的清晰性使得LibRec成为推荐领域内不可多得的推荐平台。

作者 : 刘啸泽

2017-04-11

3763

讯飞 AI 广告平台机器学习算法演进之路

本次分享介绍讯飞AI广告平台机器学习算法的发展历程。

作者 : 吕昕

2019-08-29

1552

TapTap 算法平台的 Serverless 探索之路

Serverless 在构建应用上为我们节省了大量的运维与开发人力，在基本没投入基建人力的情况下，直接把我们非常原始的基建，或者说是资源管理水平拉到了业界相对前沿的标准。最直观的数据是，我们组仅投入了个位数的人力，就可以为TapTap整个搜广推相关的所有业

Serverless Devs

2023-01-12

微博推荐算法实践与机器学习平台演进

微博机器学习平台的演进过程，以及当前架构如何更好的发挥算法的优势，为业务产生更多有价值的支撑。

作者 : DataFunTalk

2020-09-02

自动驾驶大模型重构算法，Apollo 开放平台 10.0 面向全球正式发布

在软件核心层、应用软件层、工具服务层进行升级～

作者 : 褚杏娟

2024-12-04

“AI 新贵”图神经网络算法及平台在阿里的大规模实践

本文将探讨AliGraph 的架构设计原则、AliGraph 项目在阿里巴巴的落地应用和图神经网络目前面临的挑战。

作者 : 蔡芳芳

2019-07-08

6600

AI 无间道！清华 AI 团队推出 AI 安全平台，欺骗顶尖人脸算法后又强势修复漏洞

随着人工智能技术的发展，人工智能在很多场景里正逐渐替代或协作着人类的各种劳动，它们可以成为人类的眼睛、耳朵、手臂甚至大脑。

作者 : RealAI 策划: 刘燕

2020-04-09

457

从算法实现到 MiniFlow 实现，打造机器学习的基础架构平台

基础架构（Infrastructure）相比于大数据、云计算、深度学习，并不是一个很火的概念，甚至很多程序员就业开始就在用 MySQL、Django、Spring、Hadoop 来开发业务逻辑，而没有真正参与过基础架构项目的开发。在机器学习领域也是类似的，借助开源的 Caffe、TensorFlow 或者 AWS、Google CloudML 就可以实现诸多业务应用，但框架或平台可能因行业的发展而流行或者衰退，而追求高可用、高性能、灵活易用的基础架构却几乎是永恒不变的。因此，今天的主题就是介绍机器学习的基础架构，包括以下的几个方面：基础架构的分层设计；机器学习的数值计算； TensorFlow 的重新实现；分布式机器学习平台的设计。

作者 : 陈迪豪

2017-07-31

3120