Searching for 机器学习

164 Results

机器学习的5大局限性

在本文中,我的目的是让读者相信,有时机器学习是正确的解决方案,有时候它是错误的解决方案。

迄今为止2019年最佳机器学习研究

机器学习的用途正在迅速扩大。早在2019年,就在探索使用该技术的新视野方面已经进行了大量研究。下面收集的是今年迄今为止在机器学习领域进行的一些最激动人心的研究。

AI产品经理管理机器学习模型的原则

产品经理需要在构建支持机器学习(ML)的产品时进行权衡和考虑。不同的产品用例需要不同的ML模型。因此,学习如何管理ML模型的核心原则是关键的产品经理技能集。

产品经理使用机器学习的4个步骤

根据我们的研究,大多数产品团队都遵循框架和评估ML问题的结构化流程。在这篇文章中,我们分享了这些学习中最重要的四个。

AI产品经理如何为机器学习创建数据策略

启用机器学习(ML)产品具有持续的收集,清理和分析数据循环,以便输入ML模型。这种重复循环是ML算法的动力,并使ML产​​品能够为用户提供有用的见解。

产品经理如何确定机器学习的使用场景

谈到机器学习,找到接下来要解决的问题至关重要。数据科学家和ML工程师等资源有限。为您的团队选择错误的项目不仅成本高昂,而且还会损害士气,客户信任,并导致产品失败。

可解释的机器学习

机器学习模型被许多人称为“黑匣子”。这意味着虽然我们可以从中获得准确的预测,但我们无法清楚地解释或识别这些预测背后的逻辑。但是我们如何从模型中提取重要的见解呢?要记住哪些事项以及我们需要实现哪些功能或工具?这些是在提出模型可解释性问题时会想到的重要问题。