机器
-
机器学习之模型管理:集成建模
译者 | 崔皓 审校 | 孙淑娟 开篇 机器学习被企业应用到不同的业务场景解决不同的业务问题,随着机器学习的广泛应用也让组织在选择学习方法时不堪重负。&nbs…
-
2023 年值得关注的十大机器学习趋势
以下是关于 2022 年出现的机器学习趋势的指南: 机器学习操作化管理:机器学习操作化管理或 MLOps 的主要目的是简化机器学习解决方案的开发过程。MLOps 还有助于应对业务运…
-
解读CRISP-ML(Q):机器学习生命周期流程
译者 | 布加迪 审校 | 孙淑娟 目前,没有用于构建和管理机器学习(ML)应用程序的标准实践。机器学习项目组织得不好,缺乏可重复性,而且从长远来看容易彻底失败…
-
零售业中的机器学习:要点和十个关键应用
近年来,在封控、供应链中断和能源危机之间,零售商们一定觉得自己像头恐龙,试图躲避小行星雨,避免灭绝。 但与那些巨大的史前爬行动物不同,零售业可以依靠一系列技术创新来更好地应对困难时…
-
认真的吗?让机器狗当守门员,还发了篇论文
让一个机器狗担当足球守门员,靠谱吗?靠不靠谱,我们先看看效果在下结论。 工作人员一次很温和的进攻,机器狗拦住了球: 加点难度,来个抛物线进球,也不再话下: 用手抛球有作弊嫌疑?用脚…
-
数学优化和机器学习结合使用的四种方法简介
数学优化与机器学习 数学优化(或数学规划)是一个强大的决策工具。通过制定目标并指定约束条件和变量,数学优化可以帮助在当前现实环境下做出最佳决策。它已经在航空、物流、电力和金融等许多…
-
图嵌入概述:节点、边和图嵌入方法及Python实现
近年来基于图的机器学习有了很大的发展。基于图的方法在数据科学中的许多常见问题中都有应用,例如链接预测、社群发现、节点分类等。根据如何组织问题和所拥有的数据,有许多解决问题的方法。本…
-
借助 autoML 技术更容易地开发AI
德国弗莱堡大学机器学习实验室负责人Frank Hutter 说,所有这些人类决策的结果是,复杂的模型最终是被”凭直觉设计”,而不是系统地设计的。 一个名为自…
-
基于TensorFlow和QuestDB的时间序列预测
译者 | 朱先忠 审校 | 孙淑娟 时间序列预测的机器学习概述 当前,机器学习正在席卷全球,机器人能够以类似人类的精度完成许多领域中的任务。例如,在医疗领域…
-
终于有人把分布式机器学习讲明白了
分布式机器学习也称分布式学习,是指利用多个计算节点(也称工作节点,Worker)进行机器学习或者深度学习的算法和系统,旨在提高性能、保护隐私,并可扩展至更大规模的训练数据和更大的…
-
2023 年值得关注的十机器学习趋势
机器学习创建的算法支持机器更好地理解人工智能与员工利益和业务目标保持一致。根据预测分析,到 2024 年机器学习将变得相当普遍。 以下是关于 2022 年出现的机器学习趋势的指南:…
-
机器学习如何防止列车延误
使用机器学习可以帮助预测列车延误,检测故障的早期迹象,并根据需求变化规划路线,可以在长期和短期内通过减少列车延误和确保高服务质量来改善铁路旅行。 晚点的列车影响着全世界数百万人,而…