• 相关博文
  • 最新资讯
加载中...
  • 新战场路在何方——详解360金融数据中台之旅

    自阿里巴巴引入中台概念后,市场对中台的关注度持续“高烧”不退。作为企业的基础平台,数据中台贯彻了整个数据生命周期。然而究其根本,数据中台不是一门技术,而是一种数据治理的方式,是把原来分散在业务系统中的各种数据进行集中管控,统一分发,从而真正的将组织积累的数据变成流动资产,进而变数据为生产力。

    2020.01.06 0
  • 基于机器学习场景,如何搭建特征数据管理中台?

    理想的机器学习场景是给到数据,训练模型后就能直接上线服务。然而真实的 AI 应用落地过程非常复杂,并不是有数据、懂算法就可以了。首先建模具有一定门槛,建模科学技术人才除了要懂机器学习算法,还要知道熟悉建模业务场景,会使用 SQL、Python 做数据处理、特征拼接、支持时序特征;建模完成到上线,要保持在线与离线一致性,实现高性能硬实时预估服务;工程上涉及特征监控、读写分离、实时特征计算,这些情况在真实的 AI 应用场景中都要考虑到。

    2020.01.06 0
  • 从LeNet到GoogLeNet:逐层详解,看卷积神经网络的进化

    深度学习的兴起使卷积神经网络在计算机视觉方面大放异彩,本文将按时间和创新点顺序介绍一系列网络结构:LeNet、AlexNet、VGGNet、InceptionNet 与 ResNet。网络上大部分文章都只是草草讲述,本文小波仔仔细梳理,从问题的背景,网络结构,为什么设计这样的结构,参数数量各方面详细讲述CNN的进化之路。

    2020.01.06 0
  • ​基于强化学习的自动交易系统研究与发展综述

    近年来,强化学习在电子游戏、棋类、决策控制领域取得了巨大进展,也带动着金融交易系统的迅速发展,金融交易问题已经成为强化学习领域的研究热点,特别是股票、外汇和期货等方面具有广泛的应用需求和学术研究意义。本文以金融领域常用的强化学习模型的发展为脉络,对交易系统、自适应算法、交易策略等方面的诸多研究成果进行了综述。最后讨论了强化学习在金融领域应用中存在的困难和挑战,并对今后强化学习交易系统发展趋势进行展望。

    2020.01.03 0
  • 阿里达摩院2020趋势第一弹:感知智能的“天花板”和认知智能的“野望”

    1月2日,阿里巴巴达摩院发布2020十大科技趋势,其中趋势预测的第一弹即为“人工智能从感知智能向认知智能演进”。AI发展为什么会有这种演进?从技术层面,AI科技大本营采访了达摩院资深算法专家杨红霞,就感知智能向认知智能的演进和变革进行更深入解读。

    2020.01.03 0
  • 平安科技智能认知的“中台战事”

    平安科技也在构建AI智能认知中台来实现业务衔接,与其他中台所不同的是,它不仅是一个能力中台,也是一个战略中台。作为能力平台,平安智能认知中台向下作为整合者融合AI技术能力,向上作为方案提供者赋能业务,上下资源的整合即体现出中台的价值。作为战略中台,不仅要实现AI技术的可落地方案,更要实现能力的复用,通过“业务场景复制”来进行业务扩张,取得规模化效应。总体而言,平安智能认知中台并非只是面向能力领域,而是基于AI能力领域面向业务输出价值。

    2020.01.02 0
  • 11年艺术学习“转投”数学,他出版首本TensorFlow中文教材,成为蚂蚁金服技术大军一员...

    第三次 AI 浪潮下,AI 技术大军应用而生,而 90后开发者在这波大军中破竹而出,无论是国内外,还是学术界与工业界,他们完成了自己从「新生代」迅速成长为「中坚力量」的华丽变身。而蚂蚁金服技术专家唐源就是这批大军中的一员,也是“异军突起”的一员。

    2020.01.02 0
  • 4万程序员学了10万次的课程,今天,曝光背后的讲师!

    CSDN 技术公开课做为专业、高质量的技术分享与交流平台,在 2018 年至 2019年间不断进行重大升级与优化,从单一的 AI 技术专题成长为涵盖大数据、AI、云计算、5G、物联网的五大技术领域,六类主题(数理基础、编程基础、学术前沿、技术实践、AI商业化、求职面试)及十余技术专题的全新平台——CSDN 技术公开课Plus。

    2019.12.31
  • 提高建模效率,改变手工作坊式生产,AutoML的技术研究与应用进展如何了?

    改变人工智能建模依赖专家的手工作坊式生产,打造人工智能建模的“数控机床”,利用机器替代人工实现AI模型的构建,大幅提升AI建模效率,降低AI技术门槛,加速AI应用落地。

    2019.12.30 0
  • 迁移学习前沿研究亟需新鲜血液,深度学习理论不能掉链子

    人类可以从很少的样本中学习,显示出了人类卓越的泛化能力,而这一点学习算法仍远做不到。当前,最成功的模型需要大量标记好的数据,但是这些数据昂贵且难以获取,成为实践中使用机器学习的最大障碍之一。最近的研究表明,当前的算法几乎不能对训练期间看到的数据做泛化。在这种情况下,迁移学习显示出巨大潜力,其目的是更有效地利用以前获得的知识来学习新任务。

    2019.12.30 0
  • 2019年上万篇论文发表,这14篇备受瞩目的论文,你都了解吗?

    人工智能领域每年发表超过14,000篇论文。这个领域吸引了全球多个重量级的研究小组。诸如NeurIPS,ICML,ICLR,ACL和MLDS之类的AI会议每年都会吸引大量的论文。2019年,论文提交的数量还在增加。今天,我们将分享 2019 年备受关注的 14 篇论文。

    2019.12.30 0
  • 从入门到深入:移动平台模型裁剪与优化的技术探索与工程实践

    由浅及深,讲述移动平台模型裁剪与优化的技术探索与工程实践,让希望了解和掌握如何在实践的基础上学习机器学习技术的初学者,希望了解和学习深度学习及其在工业界应用的开发人员,从事移动平台应用程序开发、架构设计以及期望应用机器学习到移动端、嵌入式平台、可穿戴设备等的从业者,掌握学习机器学习技术所需的技术栈、学习路径和方法。

    2019.12.26 0
  • 避免神经网络过拟合的5种技术(附链接) | CSDN博文精选

    当模型试着预测噪声较多的数据的趋势时,由于模型参数过多、过于复杂,就会导致过拟合。过拟合的模型通常是不精确的,因为这样的预测趋势并不会反映数据的真实情况。我们可以通过模型在已知的数据(训练集)中有好的预测结果,但在未知的数据(测试集)中较差的表现来判断是否存在过拟合。机器学习模型的目的是从训练集到该问题领域的任何数据集上均有泛化的较好表现,因为我们希望模型能够预测未知的数据。

    2019.12.26 0
  • Pytorch和Tensorflow,谁会笑到最后?

    作为谷歌tensorflow某项目的Contributor,已经迅速弃坑转向Pytorch。目前Tensorflow还没有被Pytorch比下去,但之后极大概率被比下去。

    2019.12.25 0
  • XGBoost缺失值引发的问题及其深度分析 | CSDN博文精选

    XGBoost模型作为机器学习中的一大“杀器”,被广泛应用于数据科学竞赛和工业领域,XGBoost官方也提供了可运行于各种平台和环境的对应代码,如适用于Spark分布式训练的XGBoost on Spark。然而,在XGBoost on Spark的官方实现中,却存在一个因XGBoost缺失值和Spark稀疏表示机制而带来的不稳定问题。

    2019.12.25 0
  • 时至今日,NLP怎么还这么难!

    要搞清楚自然语言理解难在哪儿,先看自然语言理解任务的本质是什么。作为人工智能关注的三大信息类型(语音、视觉、语言)之一,自然语言文本是典型的无结构数据,由语言符号(如汉字)序列构成。要实现对自然语言的表意的理解,需要建立对该无结构文本背后的语义结构的预测。

  • 如何快速get到AI工程师面试重点,这12道题必备!

    2020 年的三月春招要来了,现在想要 Get 一个算法工程师的实习或全职机会,已经不是一件易事了。如果现在着手复习,茫茫题海不能毫无重点,我们要先抓住那些刚需必备的面试题。这次,作者收集了 12 个 AI 工程师职位的面试问题,助你攻下你心仪的 offer。

    2019.12.24 0
  • 开发者都想收藏的深度学习脑图,我们抢先曝光了!

    由浅及深讲述移动平台模型裁剪与优化的技术探索与工程实践,让希望了解和掌握如何在实践的基础上学习机器学习技术的初学者,希望了解和学习深度学习及其在工业界应用的开发人员,从事移动平台应用程序开发、架构设计以及期望应用机器学习到移动端、嵌入式平台、可穿戴设备等的从业者,掌握学习机器学习技术所需的技术栈、学习路径和方法。

    2019.12.24 0
  • 蚂蚁金服:如何训练可自动调整负样本采样器?|NIPS 2019

    一年一度的国际顶级学术会议NeurIPS2019将于12月8日至14日在加拿大温哥华举行。作为人工智能和机器学习领域最顶级的盛会之一,NeurIPS每年都会吸引来自全世界的AI大牛、学者、技术爱好者参会。本文是蚂蚁金服的技术专家对入选论文《使用对抗式动态系统嵌入的深度指数族分布估计》做出的深度解读。

    2019.12.23 0
  • 时间可以是二维的?基于二维时间图的视频内容片段检测 | AAAI 2020

    当时间从一维走向二维,时序信息处理问题中一种全新的建模思路由此产生。根据这种新思路及其产生的二维时间图概念,微软亚洲研究院提出一种新的解决时间定位问题的通用方法:二维时域邻近网络 2D-TAN,在基于自然语言描述的视频内容定位和视频内人体动作检测两个任务上验证了其有效性,并在 ICCV 2019 中的 HACS Action Localization Challenge 比赛中获得了第一,相关技术细节将发表于 AAAI 2020 论文“Learning 2D Temporal Adjacent Network for Moment Localization with Natural Language”。本文将对这一研究进行深入解读。

    2019.12.23 0
每页显示 共681条数据 < 1... 4 5 6 7 8 9 10 11 12 ...35 >      到第 GO