机器学习

目前携程利用自主研发的风控系统有效识别、防范这些风险。携程风控系统从零起步，经过五年的不断探索与创新，已经可以有效覆盖事前、事中、事后各个环节。

使用调查数据并频繁使用 Minitab 中的回归功能对其进行分析。

在这篇文章中，我们Spark的其它机器学习API，名为Spark ML，如果要用数据流水线来开发大数据应用程序的话，这个是推荐的解决方案。

这个答案看起来似乎无懈可击，但其实机器学习和数理统计之间的关系远没有这么简单。

发现一个很有趣的开源项目，作者用手绘图的方式讲解了机器学习模型构建的全流程，逻辑清晰、生动形象。

寻求利用数据科学进行战略决策的组织应遵循以下五个步骤。

为了搞清三者关系，我们来看一张图： 如图所示：人工智能最大，此概念也最先问世；然后是机器学习，出现的稍晚；最后才是深度学习。 从低潮到繁荣 自从 1956 年计算机科学家们在达特茅斯会议（Dartmouth Conferences）上确认人工智能这个术语以来，人们就不乏关于人工智能奇思妙想，研究人员也在不遗余力地研究。在此后的几十年间，人工智能先是被捧为人类…

要点 在常见的机器学习/深度学习项目里，数据准备占去整个分析管道的60％到80％。市场上有各种用于数据清洗和特征工程的编程语言、框架和工具。它们之间的功能有重叠，也各有权衡。数据整理是数据预处理的重要扩展。它最适合在可视化分析工具中使用，这能够避免分析流程被打断。可视化分析工具与开源数据科学组件之间，如R、Python、KNIME、RapidMiner互为补…

九章云极DataCanvas联合全球知名市场数据及科技研究平台 CB Insights 中国发布《2021 年 ModelOps 技术应用及趋势白皮书》。

九章云极DataCanvas联合全球知名的研究机构IDC中国重磅发布《引入AutoML，破局企业智能白皮书》，探讨AutoML创新应用的新未来。

本文为您总结一下常见的机器学习算法，以供您在工作和学习中参考。

在这篇文章中出现的每一个技巧里，『可解释性』都被解构为几个更基本的方面：模型复杂程度，特征尺度，理解，信任 —— 接下来我首先就来简单对这几点做个介绍。

Bloomberg（彭博社）的一个分析师团队着手开发一个用于构建和探索机器学习模型的新系统BQuant，它是一种基于Python的环境，专用于帮助金融专业人士更有效的处理数据。

本文总结了一些秋招面试中会遇到的问题和一些重要的知识点，适合面试前突击和巩固基础知识。

本文让你快速了解一下如何开始使用NumPy。一旦你熟悉了NumPy，就会发现Python世界中的大多数科学计算都是围绕NumPy构建的。因此花在NumPy上的学习时间最终对你是有益的。