人工智能
-
Teradata全球调研:四分之三企业分析项目数据科学家“缺货”
当地时间10月15日,2018 Teradata全球用户大会在美国拉斯维加斯举行。来自15个国家的3000多位数据人参与了本次峰会。
-
机器学习其实只是“皇帝的新衣”
机器学习概念其实很简单,不要被听起来高大上的术语名称唬住了!实际上,ML 工程中最难的部分是安装包,其次是让人感到恐怖的数据集,接下来是永无止境修改代码设置的过程。通过本文,你也许会发现机器学习的概念可能是“皇帝的新衣”,它的本质比你想象得简单很多。
-
猎豹移动董事长傅盛:未来没有单纯的人工智能公司
9月18日下午,猎豹移动董事长兼CEO傅盛在2018世界人工智能大会上的《资本助力 AI,AI赋能新时代》论坛上发表主题演讲,他表示服务机器人产业已经处于爆发前夜,未来没有单纯的人工智能公司,只有以人工智能为基础的产品公司。
-
我们精心挑选了22种开源自动机器学习库,你pick谁?
自动机器学习(AutoML)框架减少了数据科学家的负担,他们可以花更少的时间进行特征工程和超参数调整,花更多的时间用于试验模型架构。快速探索解决方案空间不仅让数据科学家可以快速地评估数据集,还为模型改进提供了基线性能。
-
鲸准研究院丨智能投研行业分析报告
智能投研≠智能投顾,人工智能取代投研人员是否将真实发生?
-
马云:人机大战本身就是个笑话
在大数据智能化高峰会的主题演讲中,马云多次强调,自己“不懂技术但尊重技术”,并表示,未来 30 年,智能技术将深入到社会的方方面面,所有的生活都离不开智能制造,“未来不是我们这些互联网公司的天下,而是用好互联网公司、用好智能技术公司的天下”。
-
机器学习跌下神坛?一些技术趋势正在消失
未来,在路边等待 Uber 或 Lyft 来载你或将成为过去式,届时,我们要做的可能就是走到直升机降落场,叫上一辆无人机。这种未来的“空中飞的”不仅将减少交通堵塞,而且省去了人类驾驶员。
-
知识图谱的前世今生:为什么我们需要知识图谱?
本文通过罗纳尔多这个例子引出了知识图谱的现实需求,继而给出了知识图谱的定义和相关概念,并介绍了知识图谱的 RDF 形式化表示。
-
关于TensorFlow你应该知道的9件事
TensorFlow 是一个机器学习框架,如果你拥有大量的数据,或者你正在学习人工智能最先进的技术:深度学习(可参阅《Step-by-Step Deep Learning Tutorial Walkthrough》https://github.com/kozyrkov/deep-learning-walkthrough ),那么,TensorFlow 可能就是你趁手的兵器。它处理的是特别大的神经网络。从某种意义来说,它就是数据科学中的工业车床,而不是瑞士军刀。这意味着,如果你要做的是通过 20×2 的电子表格生成一条回归线,那么你很可能不需要再读下去了。
-
李彦宏:搞不清楚这三个问题,人工智能发展就走不通
8月23日上午9时,首届中国国际智能产业博览会(简称“智博会”)将在重庆悦来国际会议中心开幕。智博会从2018年起,每年在重庆市举办一届,主办单位为科技部、工业和信息化部、中国科学院、中国工程院、中国科协和重庆市人民政府。 在会议开幕式上,中国工程院院士李德毅、华为公司董事长梁华、阿里创始人马云、腾讯创始人马化腾、百度创始人李彦宏、科大讯飞董事长刘庆峰、紫光…
-
赫拉利在《今日简史》中是如何谈算法霸权的?
《今日简史》是赫拉利的第三本书,之前的两本分别是《人类简史》和《未来简史》,这里对这个题目吐槽下,人家书名明明是《21 Lessons for the 21st Century》,也即《21世纪的21个问题》,中译文似乎是为了让它和作者之前的两本书风格相契合,将书名改成了“简史”,因此,这本书并不讲历史,而是讲问题。 作者讲了21个重要的问题,比如技术带来的…
-
为什么没有大数据人工智能就无法生存
我可能不会感到惊讶的是,随着数据量的增加,互联网一直在膨胀,以至于很难跟踪。如果在2005年我们几乎没有处理0.1 zettabytes的数据,这个数字现在刚好超过20 zettabytes,甚至估计到2020年达到惊人的47 Zettabytes。除了它的数量庞大,问题在于事实它主要是非结构化的。对人类来说,没有什么比向人工智能提供不完整或不准确的数据更有…
-
工程师如何解决穿衣搭配烦恼?——滴搭平台与算法
摘要: 阿里工程师们推出了一个滴搭平台,基于千万时尚达人的优质搭配,已经学习出了一套比较成熟的算法,帮你找到最合适的穿搭。不信?下面一起来深入了解“滴搭”背后的算法。 作为一名工程师,每天与代码打交道,往往没有时间注意自己的打扮。试想,如果身边出现一位有品味的搭配高手,为你量身打造形象,岂不美哉? 如今,阿里工程师们推出了一个滴搭平台,基于千万时尚达人的优质…
-
AI学习笔记——Tensorflow中的Optimizer(优化器)
在使用Tensorflow搭建神经网络的时候,最后一步总会用到tf.train.XxxOptimizer(). 然后会有很多Optimizer()
-
一份关于如何为回归任务选择机器学习算法指南
摘要: 本文总结了一些针对于回归问题的机器学习方法,辩证地分析了其各自的优缺点,读者可以根据具体问题选择合适的机器学习算法以完成相应的任务。 当遇到任何类型的机器学习(ML)问题时,可能会有许多不同的算法可供你选择。但是在机器学习中,有一个“没有免费午餐”的定理,该定理表明,基本上没有一种机器学习算法能够对所有问题而言是最合适的。不同机器学习算法的性能很大程…