腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

鸿的学习笔记

专栏作者

330

文章

280069

阅读量

49

订阅数

2022 年值得关注的 7 大人工智能趋势

神经网络深度学习人工智能网络安全

正如谷歌的CEO Sundar Pichai所言：AI will transform how we lead our lives and revamp many industries, including healthcare, education, and manufacturing.

2022-03-11

4730

使用 SQL 也能玩转机器学习

sql 机器学习神经网络深度学习人工智能

最近看到一篇文章：https://rudderstack.com/blog/churn-prediction-with-bigqueryml，主要是讲使用 BigQueryML 进行流失预测。首先解释下 BigQueryML 是什么，简而言之，就是使用 SQL 也可以完成机器学习模型的构建。

2021-11-02

6750

机器学习平台的演进史

机器学习神经网络人工智能深度学习 https

机器学习平台的最大的驱动力应该是面向数据科学家的基于 Python 的开源技术生态系统的蓬勃发展，比如 scikit-learn、XGBoost 和 Tensorflow/PyTorch 等等。也是因为有了这些算法库的存在，让大部分人都可以使用算法去完成自己的想法，而不需要知道艰深的数学知识，也不需要知道算法的具体实现。

2021-09-29

2.3K0

浅谈机器学习工程化

机器学习神经网络深度学习人工智能编程算法

今天继续聊下机器学习工程化的问题。机器学习基本上已经成为大多数数据团队的标配，关于机器学习算法的内容，网上有很多，随便找找就可以了，有了TensorFlow、scikit-learn 这些 Python 工具后，甚至只要知道算法就行，至于实现也不需要关心了。但是在实际生产环境当中如何让机器学习产生其真正的价值还是一件比较复杂的事，就我接触和实践中看来有两个很重要的问题：

2021-06-17

1.5K0

MLOps 的学习清单

https 网络安全机器学习神经网络深度学习

先缅怀下袁隆平老先生。在我们这代人眼里，袁隆平老先生可能就是一个活着的传奇，所以在22号突然听到他离世的消息时，莫名的伤感，又一位人民英雄离我们远去了。

2021-06-17

1.8K0

吴恩达谈 MLOps：调优数据比调优模型更重要

https 网络安全机器学习神经网络深度学习

3月25日，吴恩达开了一个直播讲 A Chat with Andrew on MLOps: From Model-centric to Data-centric AI ，看完后深受启发，便随手写下一些笔记。

2021-04-23

1K0

2020年那些关于元数据的文章

https 网络安全机器学习神经网络深度学习

2020 年是元数据管理兴起的一年。在 Datakin 你可以看到元数据管理的发展历史。在前人努力的基础上，Datakin 和其它的开源数据血缘以及架构软件，比如 Airflow，Amundsen，Datahub，dbt，Egeria，Great Expectations，Iceberg，Marquez，Pandas，Parquet，Prefect，Spark 和 Superset 宣布开放血缘（Open Lineage）倡议。

2020-12-29

1.4K0

写在 Spark3.0 发布之后的一篇随笔

sql 机器学习神经网络深度学习

Spark3.0 从2019年开始就说要准备发布了，然后就一直期待这个版本，毕竟对于 Spark 而言，这是一个大版本的跨越，从 2.4 直接到了 3.0，而之前发布都是 Spark2.0 到 Spark2.4 这种小版本的更新。按照 Databricks 博客的说法，这是一次“the culmination of tremendous contributions from the open-source community”(是开源社区有史以来贡献力度最大的一次)。事实上也是如此，最近发布的 Spark3.0 新特性没有让人失望。

2020-06-23

1.3K0

机器学习/机器智能/人工智能/深度学习这些都是些啥？

机器学习人工智能深度学习

我们经常被问到我们如何区分我们与其他人的技术。这个任务由于没有公认的词汇而变得困难; 每个人都不同地使用上述术语（和其他相关术语）。此外，这些术语中的一些的一般理解的含义会随着时间的推移而演变。 1960年的AI的意思与今天的意思截然不同。我们认为，建立智能机器主要有三种主要方法。这些方法为经典AI，简单神经网络和生物神经网络。本博客的剩下部分将描述和区分这些方法。最后，我们将讲述三个例子，说明每种方法如何解决同样的问题。因为这个分析是针对业务而不是技术的受众，所以我们简化了一些细节。

2018-08-06

4230

深度学习性能分析（下）

深度学习存储

我们分析了TX1设备的系统内存消耗，它使用CPU和GPU的共享内存。图5显示最大系统内存使用量初始为常数，然后随批量大小增加。这是由于网络模型的初始存储器分配（其是大的静态分量）以及处理批处理时所需的存储器的贡献，其与图像的数量成比例地增加。在图6中，我们还可以注意到，对于尺寸小于100MB的网络，初始分配永远不会下降到200MB以下，并且其后是线性的，斜率为1.30。

2018-08-06

4170

神经网络结构（上）

神经网络深度学习编程算法卷积神经网络

深度神经网络和深度学习是很强大和流行的算法。他们的成功很大程度上在于神经网络架构的精心设计。所以我想重温过去几年深度学习的神经网络设计的历史。

2018-08-06

4580

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态