炼数成金 › 商业智能›机器学习

机器学习

2018 AI趋势：AI芯片更丰富，用机器学习的企业翻倍: 这是一个急速变化但又有很强发展衔接性的时代。强大的运算力对训练和推理神经网络来说必不可少。2009年，第一块GPU问世，这种专门为密集型计算、高度并行计算设计的芯片，比CPU更能满足机器学习任务的要求。自此，越 ...

Jeff Dean出品：用机器学习索引替代B-Trees，3倍性能提升: 数据库最开始是统一的，一刀切的“黑箱”问题。随着时间的推移，这一观点细化到了“标准尺寸”的 OLAP数据库和 OLTP数据库。数据库使用索引来快速访问数据。B-tree和哈希映射是常用的实现索引的技术。但从“黑箱”的 ...

基于Docker的机器学习--Tensorflow-GPU环境: 基于 NVIDIA-Docker 的 CPU 环境中，GPU是可以复用的，可以将1个GPU挂载到多个 docker 容器中使用提高了GPU的使用效率，这是 KVM 虚拟机通过硬件透传无法实现的。由于多个容器共享一个GPU，不能做到对 GPU 资源进行 ...

Andrej Karpathy：神经网络是软件2.0，而非机器学习的一种工具: 我有时看到人们把神经网络称为“机器学习工具箱中的另一种工具”。神经网络作为一种工具有这样那样的优点和缺点，在这个任务或那个任务工作，有时你可以利用它们赢得Kaggle的比赛。不幸的是，这种解释只见树木，不见 ...

为什么XGBoost在机器学习竞赛中表现如此卓越？: 机器学习算法的目标是减少预期的泛化误差，这也被称为风险（risk）。如果我们知道真实的分布 P(x,y)，那么风险的最小化就是一个可以通过优化算法解决的最优化任务。但是，我们并不知道真实分布，只是有一个用于训练 ...

呼之欲出的量子计算机，和它漫长的最后一英里: 图：中国科学院院士、量子计算专家、图灵奖获得者姚期智11月4日，中国科学院院士、量子计算专家、图灵奖获得者姚期智在腾讯WE大会的五周年论坛上远程发布了最新演讲。姚期智用RSA的密码系统作例子说明了量子计算机的 ...

数据缺失的坑，无监督学习这样帮你补了: 无监督学习（UL）有很多没开发的潜力。它是一门从“未标记”数据中推导一个函数来描述其隐藏结构的艺术。但首先，从数据中找到其结构是什么意思呢？让我们来看以下两个例子：Blobs气泡状分布：这个简单。任何人看到 ...

AUC越大，正确率就越高？: 近日，一位朋友拿着两个模型预测效果比较的结果来咨询，当然是遇到了一个好像不太正常的现象才来咨询的。两个模型都是二分类结局的，应用常见的Logistic回归模型得到结果如下：模型A的正确率为85%，AUC为0.98；模型B ...

机器学习之确定最佳聚类数目的10种方法: 在聚类分析的时候确定最佳聚类数目是一个很重要的问题，比如kmeans函数就要你提供聚类数目这个参数，总不能两眼一抹黑乱填一个吧。之前也被这个问题困扰过，看了很多博客，大多泛泛带过。今天把看到的这么多方法进行 ...

适合入门的8个趣味机器学习项目: 谈到机器学习，相信很多除学者都是通过斯坦福大学吴恩达老师的公开课《Machine Learning》开始具体的接触机器学习这个领域，但是学完之后又不知道自己的掌握情况，缺少一些实际的项目操作。对于机器学习的相关竞赛挑 ...

亚马逊CTO：机器学习的进步是如何推动企业发展的: Vogels博士认为往往在事情发生以后我们才能明确是否科技进步了，但是人工智能和机器学习这两项技术有点不同。机器学习作为AI（人工智能）的一部分，对于大规模数据从规则和认知模型上进行描述，完成针对未来数据的预 ...

DARPA再出新招：射频频谱+机器学习=射频学习？: 近日，美国国防高级研究计划局（Defense Advanced Research Projects Agency, DARPA）推出新项目：运用机器学习技术识别数以亿计不同的无线电讯号。如今人们的生活中，应用射频的电子设备无处不见，数以亿计的移动电 ...

千锤万凿出深山：且谈特征工程最佳实践: 作为为机器学习创建新特征的实现过程，特征工程已经成为改进预测模型的最具实效的方法之一。获取特征难度极高、相当耗时且要求具备专业知识。“应用机器学习”在本质上其实就是在实现特征工程。通过特征工程方法，你 ...

大规模机器学习的编程技术、计算模型以及Xgboost和MXNet案例: 大家好，很高兴和大家一起分享大规模机器学习相关的知识，希望大家能有所收获。现在，机器学习的趋势从传统方法中的简单模型 + 少量数据（人工标注样本），到简单模型 + 海量数据（比如基于逻辑回归的广告点击率预测 ...

基于机器学习的KPI自动化异常检测系统: 在实际的运维场景中，构建一个异常检测系统往往需要两个角色共同参与：领域专家和算法开发人员。领域专家也就是我们的运维人员，他们对KPI曲线的行为很熟悉，可以通过观察KPI曲线并结合自己的领域知识，判断KPI曲线 ...

1 234 5 6 7 8 9 10 ... 23 / 23 页下一页

热门频道

大数据
商业智能

量化投资
科学探索
创业

即将开课

热门文章

社区热帖

GMT+8, 2018-11-21 13:26 , Processed in 0.473381 second(s), 16 queries .