学习
-
如何为制造业和自动化应用选择人工智能技术
“人工智能”指的是一门包含了几种不同技术和工程学科的科学,包括机器视觉、计算机视觉、机器学习和深度学习。当一个基于这些技术组合的系统设计得当时(从应用分析到最终验证),它可以为工厂…
-
帮你卷赢同行!2023年顶级NLP技能、框架、平台和语言汇总
老板们正在寻找特定的技能组合、专业知识和工作流程,而这些技能与平台无关。 下图显示了20种需求技能,包括NLP基础知识和更广泛的数据科学专业知识。 自然语言处理基础(NLP) 如图…
-
人们不知道人工智能能做的十项任务
人工智能如今可以完成的任务数不胜数,只要人类能够创造性地想出应用人工智能技术的方法。考虑到这一点,人们可能永远没有想到有些任务人工智能能够执行。 人们可以深入研究以他们没有意识到的…
-
利用模型性能管理(MPM)解决机器学习模型监控挑战
译者 | 李睿 审校 | 孙淑娟 在过去几年,世界的数字化给组织和企业带来了独特的机遇和挑战。虽然数据的蓬勃发展为提高决策准确度提供了更多的机会,但现在分析和利用这些信息更加耗时…
-
耗时两年,谷歌用强化学习打造23个机器人帮助垃圾分类
强化学习(RL)可以让机器人通过反复试错进行交互,进而学会复杂行为,并随着时间的推移变得越来越好。之前谷歌的一些工作探索了 RL 如何使机器人掌握复杂的技能,例如抓取、多任务学习,…
-
字节跳动杨震原:抖音如何用好机器学习
“数字化时代,问题可以定量评估,机器学习可以围绕目标做更智能、高效的优化。” 4月18日,火山引擎发布自研DPU等系列云产品,并推出新版机器学习平台,支持企业客户更好地训练AI大模…
-
一文概述联邦持续学习最新研究进展
由于数据隐私限制,多个中心之间的数据共享受到限制,这就影响了联邦学习架构下多中心合作开发高性能深度学习模型的效果。持续学习(Continual Learning)作为点对点联合学习…
-
顺序决策与基础模型如何交叉互惠?谷歌、伯克利等探讨更多可能
在广泛数据集上基于自监督学习的预训练基础模型,已经展现出将知识迁移到不同下游任务的优秀能力。因此,这些模型也被应用到长期推理、控制、搜索和规划等更复杂的问题,或者被部署在对话、自动…
-
策略梯度强化学习算法实现A/B优化
译者 | 朱先忠 审校 | 重楼 在本文中,我们将探讨如何将策略梯度强化学习应用于A/B优化。本文将给出一个观察策略梯度方法的简单演示;其中,我们将深入了解有关潜在的机制,并逐步可…
-
基于机器学习的电商数据挖掘 | 数据探索篇
本文转载自微信公众号「尤而小屋」,作者尤而小屋 。转载本文请联系尤而小屋公众号。 大家好,我是Peter~ 最近获取到了一份IC电子产品电商数据,后面会进行3个主题的数据分析与挖掘…
-
机器学习和物联网的交叉:智能设备和预测分析
智能家居的未来:集成机器学习和物联网,以增强预测分析。 机器学习和物联网(IoT)的交叉正在彻底改变我们生活、工作以及与环境互动的方式。这种技术融合使智能设备的发展成为可能,这些设…
-
人工智能和机器学习如何统治混合网络安全?
人工智能和机器学习如何统治网络安全? 高级威胁检测:人工智能和机器学习算法可以实时分析海量数据,快速识别潜在威胁。例如,异常检测算法可以识别可能表明网络攻击的异常模式或行为,从而使…