這是一個系列文章,從各個角度來評估一個問題:「我的業務要不要用 AI ?能不能用 AI?」本期評估角度——學習
AI 新聞
準備好數據以進行建模:特徵工程,特徵選擇,降維(第二部分)
機器學習演算法也無法在大量不需要的雜項數據上產生預期的結果。因此,讓我們深入探討所有用於優化數據的選項。
為建模做好數據準備:特徵工程,特徵選擇,降維(第1部分)
機器學習演算法也無法在大量不需要的雜項數據上產生預期的結果。因此,讓我們深入探討所有用於優化數據的選項。
我的業務要不要用人工智慧?引入AI前你需要評估的(二)
這是一個系列文章,從各個角度來評估一個問題:「我的業務要不要用 AI ?能不能用 AI?」本期評估角度——數據。
神經網路能引入注意力機制嗎?Google認為他們可以
Google最近發布了一些有關在深度神經網路中對注意力機制進行建模的工作
我的業務要不要用人工智慧?引入AI前你需要評估的(一)
這是一個系列文章,從各個角度來評估一個問題:「要不要用 AI ?AI 能否解決我的問題?」本期評估角度——特徵。
通過以下5個簡單步驟將您的機器學習模型投入生產
這篇文章是關於一個成功的ML項目的過程要求的-一個投產的項目。
如何選擇機器學習模型
有沒有想過我們如何將機器學習演算法應用於問題,以便分析,可視化,發現趨勢並找到數據中的相關性?在本文中,我將討論建立機器學習模型的常見步驟以及為數據選擇正確模型的方法。本文的靈感來自於常見的訪談問題,這些問題被問及如何處理數據科學問題以及為什麼選擇上述模型。
拆解 YouTube 下一個視頻的推薦機制
本文詳解 YouTube 的推薦機制,他們是如何給用戶推薦下一個視頻的。
特徵選擇:重要性及方法詳解
在本文中,我將與您分享我在Fiverr領導的上一個項目期間研究的一些方法。
您將獲得有關我嘗試的基本方法以及更複雜的方法的一些想法,該方法獲得了最佳效果-刪除了60%以上的功能,同時保持了準確性並為我們的模型實現了更高的穩定性。我還將分享我們對該演算法的改進。