收录了 机器学习实例 频道下的 50 篇内容
去年底我给大家介绍了 Amazon EC2 P3 实例,此外还探讨了一下 Tensor Core 的概念。
越来越多的企业在开发基于用户的机器学习 (ML) 模型而不是基于群组或细分市场的模型,基于个体用户数据,这些企业能在任何位置训练数百个到数十万个自定义模型。
本次分享介绍预测模型的概念和业界的先进技术,以及当前所遇到的挑战、方案,在建模实践中开发和应用大规模机器学习中得到的经验教训。
从数据科学到机器学习工程
InfoQ采访AWS副总裁、全球技术与开发者布道师团队 伊恩 · 马辛哈姆,并聚焦于AWS 机器学习板块和伊恩进行了交流。
《金融服务中的机器学习最佳实践》白皮书旨在帮助大家了解如何建立起安全且具有良好治理水平的机器学习工作流,大家也可以结合实际疑问与作者取得联系。在您的机器学习探索之旅中,不妨随时参阅另一份白皮书以了解适用于机器学习工作负载的AWS架构设计原则。
生产级机器学习有一个组织性的问题,这是因为它相对还比较新。
机器学习是一门涉及多领域的学科,自诞生以来,它的现状、未来需要解决的问题,以及能够解决的问题等,始终是人们津津乐道的问题,同样也是让专家学者大为困扰的问题。
助力模型推理服务降本增效,适用于推理成本敏感场景,如:AIGC 内容生成异步推理、批量图像处理、批量音视频处理等。
从理论与实践的双重维度,对AutoML和AutoDL的入门知识和进阶知识做了全面介绍。
这是一种与模型无关的机器学习可视化调试工具
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。
受疫情影响,促使大数据、人工智能、机器学习等新兴技术快速落地。但目前众多企业或开发者,还只停留在如何应用机器学习的层面,并没有注意到机器学习使用的安全问题。
如果将机器学习工程理解为一门学科的话,那么这个问题就迎刃而解了:为什么我们建立了机器学习工程平台而非数据科学平台?
无疑当前机器学习及应用是备受关注的。在本期播客中,QCon主席Wes Reiszt对话机器学习专家及Vowpal Wabbit系统的创建者John Langford。对话中谈论了如何了解和掌握机器学习技术、当前机器学习的实践、热点及发展趋势。
与其他人一样,我也喜欢在笔记本电脑上做原型开发。
而今天,经过了3个月的紧密筹备之后,我希望能够从我的角度,用通俗易懂的语言,并辅助Python的案例,帮助你更好理解和入门机器学习。
从根本上说,量子机器学习是量子计算和机器学习的结合。
亚马逊网络服务(AWS)今天宣布了一项新的奖励计划,旨在资助学术研究者使用AWS云平台进行机器学习研究。AWS机器学习研究奖将向学术机构提供一次性无限制奖励,以及可以使用AWS云平台的积分。