数据

近年来，机器人领域涌现出许多有趣的进展，比如机器狗会跳舞，​会踢足球​，​双足机器人搬东西​。通常这些机器人都依赖于根据感官输入生成控制策略。尽管这种方法避免了开发状态估计模块、建…

网格以分散的方式跨物理和虚拟网络分布数据。与需要高度集中的基础架构的传统数据集成工具不同，数据网格可以跨本地、多云和单云边缘环境工作。 在这篇文章中，我们讨论了网格在不同设置中的实…

确保机器学习模型在未知环境中泛化的一种尝试是拆分数据。这可以通过多种方式实现，从3-way(训练、测试、评估)拆分到交叉验证的k拆分。其基本原理是，通过在数据子集上训练机器学习模型…

许多企业已经开始探索边缘计算用例，因为可以将计算能力推向更靠近数据源和更靠近终端用户。同时，可能正在探索或实施人工智能或机器学习，也已经认识到自动化的发现和获得数据驱动的洞察力。但…

处理缺失值 在数据预处理中，关键步骤是处理缺失的数据，因为机器学习模型不会接受NaN值作为它们的输入。有很多种方法可以填充这些NaN值，但我们首先需要理解缺失值的重要性。 很简单的…

无监督学习（Unsupervised Learning）是和监督学习相对的另一种主流机器学习的方法，无监督学习是没有任何的数据标注只有数据本身。 无监督学习算法有几种类型，以下是其…

人工智能从云端向边缘移动，为阻碍物联网在关键市场更广泛采用的带宽和安全问题提供了解决方案。如果技术发展的历史是未来的可靠指南，那么在接下来的几年里，这种融合至少还有两个阶段要进行。…

分析实时数据一直对那些使用 ML 模型的人提出挑战，因为他们希望使用最新数据提高推理的准确性。 由于实时数据的交付速度对于手动分析或用于数据组织的传统软件来说太快了，因此只有 AI…

异常值（离群值）是指距离其他数据值太远的数据值。数据异常值可能是自然产生的，也可能是由于测量不准确、或系统故障造成的。与缺失值类似，异常值会破坏数据科学项目并返回错误的结果或预测。…

在当前 AI 模型的开发以模型为中心转向以数据为中心的趋势下，数据的质量变得尤为重要。 在以往的 AI 开发流程中，数据集通常是固定的，开发工作的重点是迭代模型架构或训练过程来提高…

​译者 | 布加迪 审校 | 孙淑娟 由于数据是人工智能（AI）的核心，因此AI和机器学习（ML）系统需要足够多的优质数据来学习也就不足为奇了。一般需要大量优质数据，对于监督学习方…

最近的研究表明，基于AI的深度学习模型能够根据胸部X光片等放射学图像来确定患者的种族，而且比人类学专家具有更高的准确性。凯捷咨询公司首席数据科学家Sandeep Sharma指出，…