Публикации по теме 'ai'
MLOps (операции машинного обучения), мой взгляд на консолидацию этой области
В качестве моей первой статьи на Medium в качестве инженера-программиста с опытом работы в области машинного обучения (ML) и искусственного интеллекта (AI) с самого начала мне было ясно, что моя первая публикация должна быть о MLOps. Путешествуя назад во времени, нам нужно вернуться к истокам DevOps, чтобы понять, как MLOps является расширением DevOps, добавляя в смесь активы машинного обучения. На самом деле, в мире, который меняется все более быстрыми темпами, важность DevOps в командах..
Расшифровка волнения AI и ML
В духе музыкальной звезды с одним именем AI и его близкий компаньон, ML, функционируют в сфере, недоступной для большинства технологий, в месте, где их простые инициалы несут волшебную атмосферу. Но искусственный интеллект и машинное обучение иногда оказываются в тени собственной шумихи, реальность сияет не так ярко, как пылающие гиперболы.
Загвоздка частично заключается в понимании терминов. AI и ML иногда рассматриваются как взаимозаменяемые или синонимичные, когда на самом деле..
Arstudioz: идеальное преимущество компаний с искусственным интеллектом в 2019 году
ArStudioz входит в топ-10+ Компаний искусственного интеллекта в США, обучивших команду разработчиков. Использование искусственного интеллекта быстро растет во всех отраслях, таких как медицина, образование, строительство, безопасность, производство и т. д. ИИ имеет множество расширенных функций, таких как сопоставление отпечатков пальцев, распознавание лиц, автономные транспортные средства и робототехника, которые используются в повседневной жизни. Технические услуги и поддержка 24*7.
Мой секретный прием для выявления возможностей ИИ на предприятии
На любом крупном предприятии определение возможностей для ИИ является сложной задачей из-за множества открытых вопросов:
Как сейчас работают наши люди? Какие данные у нас есть? Какие дополнительные данные мы могли бы использовать? Где наши процессы ограничены? Достаточно ли развита технология, чтобы решить проблему? Можем ли мы изменить поведение людей, если это необходимо, чтобы принять решение?
Что еще хуже, может быть сложно обсуждать возможности ИИ с бизнес-клиентами. Они,..
5 вещей, которые следует учитывать, когда вы начинаете использовать AI/ML как услугу
Начните использовать AI/ML как эксперт. Следуйте этим простым рекомендациям, чтобы сделать выбор, который будет работать на вас сейчас и в будущем.
Быстрый рост ИИ Потребление ИИ готово к взлету Сообщество переворачивает угол потребления AI/ML 5 вещей, на которые стоит обратить внимание, думая о потреблении ИИ Широта предложения "Исследовать" Оценить быстро Потребляй мгновенно Настроить "Краткое содержание"
Быстрый рост ИИ
Возрождение ИИ было вызвано..
Создание лучших моделей искусственного интеллекта: партнерство ILLA Cloud и Hugging Face, меняющее правила игры
Создание лучших моделей искусственного интеллекта: партнерство ILLA Cloud и Hugging Face, меняющее правила игры
ILLA рада объявить о сотрудничестве с Hugging Face, поставщиком технологий и услуг обработки естественного языка (NLP). Они наиболее известны своим пакетом NLP с открытым исходным кодом, который включает инструменты для генерации текста, языкового перевода и распознавания именованных объектов. ILLA более продуктивна, чем когда-либо прежде, благодаря Hugging Face. ИИ позволяет..
Кодирование нейронной сети - проверка градиента
В предыдущем посте Кодирование нейронной сети - прямое и обратное распространение мы реализовали как прямое, так и обратное распространение в numpy . Однако реализация обратного распространения ошибки с нуля обычно более склонна к ошибкам / ошибкам. Следовательно, перед запуском нейронной сети на обучающих данных необходимо проверить правильность нашей реализации обратного распространения ошибки. Прежде чем мы начнем, давайте еще раз посмотрим, что такое обратное распространение: мы..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..