收录了 机器学习技术 频道下的 50 篇内容
为了了解机器学习技术如何赋能业务,AICon有幸采访到了美团点评技术总监王兴星老师,请他来讲讲美团是如何使用 AI 技术让外卖业务实现优势最大化的。
本次专题将分享如何基于海量数据搭建机器学习系统,如何深度挖掘用户状态并预测状态变化及其过程中遇到的挑战。
本次分享从机器学习的概念,怎样做数据清洗处理、机器学习的典型建模流程等。
本次分享介绍一些安全问题,机器学习平台,能够处理当下棘手问题的相关先进技术和解决方案等。
在此文中,作者们探讨了如何构建机器学习模型进行系统的预测性维护。他们讨论了一个应用例子,该例子使用NASA的引擎故障数据集,用回归模型来预测引擎的剩余使用寿命。
本文是Guy Royse通过自己的亲身经历写给开发者们的关于机器学习的感悟。本文以第一人称翻译,讲述了对于开发者而言应当如何面对和使用机器学习技术。
本文介绍金融特色机器学习在蚂蚁金服的发展与应用。
在本文,我将描述我如何解决通过使用电子商务产品的主图像将其划分为数千个类别的难题。我选择了一种在GPU上使用TensorFlow的深度学习算法,使用了一个包含数百万图像的标注过的数据集。
支付宝人工智能技术首先在智能客服领域取得突破,然后逐步扩展到其他业务领域,包括AI + 金融。
领先的应用性能监控厂商AppDynamics日前发布了旗舰产品“应用智能平台(Application Intelligence Platform)”的2014夏季版。
2014年3月15日,在由@百度主办、@InfoQ负责策划组织和实施的第48期百度技术沙龙活动上,来自百度联盟大数据机器学习技术负责人夏粉,和搜狗精准广告研发部技术经理王晓博,各自分享了其在机器学习方面的实战经验。他们的话题涉及“广告数据上的大规模机器学习”和“大数据场景下主题检索应用”这两个方面,本文将对讲师各自的分享做简单的回顾,同时提供相关资料的下载。
此次是大数据与机器学习领域周报第3期。我们对该系列周报规划的内容主要包括:NoSQL、大数据、机器学习、数据挖掘以及这些技术的应用(比如:推荐系统)等方面的新闻、杂谈和技术干货(包括文章和视频)。希望通过我们的努力,持续为读者贡献高质量的内容。
尚未结束的2016年国际却发生了多起有关机器学习的并购,例如eBay收购以色列的预测分析企业SalesPredict,苹果收购了印度机器学习公司Tuplejump,Twitter收购了英国机器学习公司Magic Pony等等,互联网巨头们为何纷纷选择布局机器学习?机器学习背后搭建和使用了怎样的架构平台和训练算法?为了激活沉淀已久的互联网海量数据,机器学习发挥了怎样的作用?
本文来自美团点评技术文章系列。
在二十年前刚刚加入谷歌时,我们关注的问题只有一个——如何面向这么多不同种类的联网计算机提供一整套质量出色且涵盖范围全面的网络信息搜索服务。
本文对金融风控领域的两大流派进行了对比,并介绍机器学习、深度学习在金融风控领域的实践应用。
Amazon、Microsoft、Databricks、Google、HPE和IBM机器学习技术,广度、深度,易用性详解。
机器学习是基于现有数据,通过数据驱动做出决策或者预测的技术。Apache Spark及其机器学习库MLlib为开发可伸缩的机器学习应用,提供了多种有用的算法。InfoQ采访了《Machine Learning with Spark》一书的作者Nick Pentreath,共同探讨了有关数据科学和机器学习的话题。
在广告投放方面,机器学习已逐渐取代传统方式——依赖从业者经验和直觉的方式来判断广告内容,渠道选择及受众定位。
作为人工智能的子集,机器学习通过提供基于数据的深刻洞察,优化广告创意以更好地满足观众的期望和需求,在广告技术领域迅速获得认可和应用,为广告行业带来了深远的变革。