机器学习

       最后更新:2019-04-04

机器学习热门文章

DataRobot首次成为2019年Gartner数据科学和机器学习平台魔力象限中的“有远见者”

   Gartner着名的数据科学与机器学习平台魔力象限2019年本周问世,DataRobot定位于'Visionaries'象限。与其他两家供应商一起,我们还实现了视力完整性最远的总体职位之一。对于那些关注MQ的人来说,我们认为这是一个令人印象深刻的首次展示,并强调了我们对市场的破坏性影响。毕竟,我们是创建自动化机器学习类别的公司。去年,我们选择不参与MQ,但Gartner对市场的影响是不可否认的。   我们的想法似乎与Gartner一致,特别是在增强分析方面。 Gartner在2019年的十大战略技术趋势中表示,“到2020年,超过40%的数据科学任务将实现自动   [DataRobot首次成为2019年Gartner数据科学和机器学习平台魔力象限中的“有远见者”详情]

使用自动机器学习来预测NBA球员的表现

2018年NBA总决赛如火如荼,今年是克利夫兰骑士队连续第四次面对金州勇士队。随着勒布朗詹姆斯和斯蒂芬库里领导他们的球队,这场竞争肯定会使今年的季后赛成为历史书籍之一。   对于NBA中的一些顶级天才,克利夫兰骑士队和金州勇士队是其他NBA球队希望推翻的球队。每个NBA球队都在不断寻找优势,随着美国职业棒球大联盟等其他体育项目的分析成功,NBA球队正在寻求机器学习和人工智能(AI)等先进技术,以获得竞争优势。  体育组织内有许多AI应用程序,包括销售和营销,商品推销,聊天机器人,计算机视觉和可穿戴技术,但这篇博文主要关   [使用自动机器学习来预测NBA球员的表现详情]

如何自动化机器学习

  六年前我们推出DataRobot时,人们笑了。 “自动化机器学习?”他们哼了一声。 “哈哈!它永远不会奏效!“   专家嗤之以鼻。 “你永远不会自动化机器学习。你会得到一个弱模型。你会得到一个会破坏你的业务的有偏见的模型。“  六年来,数以百计的客户,成千上万的用户以及近十亿的模特,他们不再笑了。   今天,不少供应商声称提供自动化机器学习。大公司和小公司;传统公司和创业公司。我们很激动。模仿是最真诚的奉承形式。   然而,我们注意到这些DataRobot模仿者的一些惊人之处。  他们做错了。  有一种自动化机器学习   [如何自动化机器学习详情]

什么是Spark的机器学习?

  随着技术日新月异,竞争激烈的世界不断发展,各种用户专注的数据产品不断发展,对机器学习的需求也随之增加。机器学习可用于在个性化,推荐和预测性见解方面取得进展。通常,这些问题在R和Python的帮助下得到解决,但随着组织不断堆积数据,数据科学家们将更多的时间用于维护基础设施,而不是提出解决数据问题的模型。 Spark已经考虑到了这些功能。 使用Spark进行机器学习 M-Llib是Spark提供的通用机器学习库,其设计具有可扩展性,简单性和易于与其他工具同化的特点。 Spark具有以下关键功能: - 可伸缩性 语言兼容性 速度     [什么是Spark的机器学习?详情]

房地产AI:Ascendas-Singbridge如何使用自动机器学习

  如果您认为人工智能中断的行业已经成熟,您可能不会立即将房地产管理视为一体。然而,这一概念受到亚洲领先的可持续城市和商业解决方案提供商Ascendas-Singbridge等公司的挑战。该公司一直在寻找先进技术,如自动化机器学习,这些技术可以改变其服务质量并提供非边际利润改善。   在我们最新的案例研究中,我们用DataRobot报道他们的旅程。该公司努力构建预测模型,因为之前可以使用的工具价格昂贵且无法实现承诺的结果。  作为一个用例,Ascendas-Singbridge的团队希望使用DataRobot独特的时间序列功能来预测停车场容量并优化其   [房地产AI:Ascendas-Singbridge如何使用自动机器学习详情]

机器学习最新文章

深度学习定义和好奇心

深度学习定义  定义深度学习有不同的方法,但总的来说,深度学习是一类机器学习算法,可以应用于结构化或非结构化数据的世界。如果我们关注非结构化信息,我们通常会将文本挖掘视为深度学习解决方案执行的典型任务。  机器学习世界中有几种算法用于执行文本挖掘,换句话说,从文本中提取知识,但它们都共享相似的统计核心(关键字的分布和频率)和共现。文本挖掘解决方案最常见的三种应用是自动分类,实体和概念提取以及自然语言问答。深度学习解决方案的工作原理  简单来说,深度学习解决方案(例如自动分类)需要使用许多文档进行   [深度学习定义和好奇心详情]

什么是机器学习

什么是机器学习  机器学习是人工智能(AI)的一种应用,它使系统能够在不明确编程的情况下自动学习和改进经验。机器学习侧重于开发可以访问数据并使用它自己学习的计算机程序。  学习过程从观察或数据开始,例如示例,直接经验或指导,以便根据我们提供的示例查找数据中的模式并在将来做出更好的决策。主要目的是让计算机在没有人为干预或协助的情况下自动学习,并相应地调整行动。机器学习定义  机器学习算法通常被分类为有监督或无监督。受监督的机器学习算法可以使用标记的示例将过去学到的内容应用于新数据以预测未来事件。从对   [什么是机器学习详情]

大数据分析的机器学习

  大数据分析的机器学习只是一个新的流行词,或者这种方法真的找到了自己的方式吗?如果我们想回答这个问题,我们应该从认识到大数据绝对是人类分析师的太多信息这一事实开始。如果我们考虑实体和来源之间发生的所有可能的相关性和关系,那么大数据往往看起来比名称所暗示的更大。  现在,让我们假设您是一家公司,并且您正在收集大量信息,这本身就是一项挑战。然后,您开始深入研究可能有助于您的业务的线索,或者只是让您更有信心更快地做出更好的决策。正如我们所说,你意识到你正在处理一些巨大的事情,而你的分析师可以在寻找有   [大数据分析的机器学习详情]

机器学习应用程序:它们如何工作

  一些专家认为,机器学习应用程序一方面是魔术盒,能够做我们想做的任何事情,或者相反,是类似外星人的解决方案,在日常生活中毫无用处。正如经常发生的那样,特别是涉及新技术时,事实就在中间。机器学习应用程序如何工作   Prisma是一款照片编辑应用程序,通过应用着名艺术家的作品或不同的原创图案,将用户的照片转换为艺术作品。 Prisma不仅仅应用过滤器(如Instagram所做的那样),而是根据模型创建新照片,正如官方描述所述,“神经网络和人工智能的独特组合可帮助您将难忘的时刻变成永恒的艺术。”   Prisma如何将普通图片   [机器学习应用程序:它们如何工作详情]

关于机器学习(和深度学习)的真相

  我非常高兴地看到,在完全炒作期后,每个人都在谈论人工智能和机器学习作为解决世界上所有问题的方法(天空是唯一的限制),聪明而诚实的人/专家们正在发表越来越多的文章,其中的内容被描述为现状,期望以正确的方式设定。这需要超过预期,但这是不可避免的,只是时间的问题:林肯说:“你可以在某些时候愚弄所有人,有些人一直愚弄,但你不能欺骗所有人人们一直都是“。  在最近发表的许多文章中,让我把这个文章链接起来,这个文章很清楚,简短,几乎每个人都能理解。  有些陈述非常重要,因为它们非常清楚地解释了ML技术可能很   [关于机器学习(和深度学习)的真相 详情]