译者 | reason_W 编辑 | Just 对大多数企业来说，机器学习听起来就像航天技术一样，属于花费不菲又“高大上”的技术。如果你是想构建一个 Netflix 这种规模的推荐系统，机器学习确实是这样的。（注：Netflix是美国流媒体巨头、世界最大的收费视频网站，曾于 2017 年买下《白夜追凶》全球播放权。）但受万物皆服务（everything-as-a-service）这一趋势的影响，机器学习这一复杂的领域也正在变得越来越接地气。所以现在哪怕你只是一个数据科学领域的新手，并且只想实现一些很容易
日前，kdnuggets 上的一篇文章对比了三大公司（谷歌、微软和亚马逊）提供的机器学习服务平台，对于想要启动机器学习项目的公司或是数据科学新手来说，提供了非常多的指导和建议。 AI 研习社将原文编译整理如下： 对于大多数企业来说，机器学习就像航空航天一样遥远，听起来既昂贵，还需要高科技人才。从某种角度来说，如果你想建立一个像 Netflix 一样好的推荐系统，那确实是昂贵且困难。但是，目前这个复杂的领域有一个趋势：一切皆服务（everything-as-a-service)——无需太多投资，即可快速启动机
AI科技评论按：如果您觉得，是时候给自己的手机应用添加一些热门的机器学习或深度学习算法.....这是个好想法！但您会怎么选择？致力于提供算法服务及小白科普的咨询师 Matthijs Hollemans 近期在博客上分享了他的一些心得体会，AI科技评论独家编译，未经许可不得转载。 绝大多数机器学习实现方法的步骤不外乎如下三点： 采集数据 利用采集的数据来训练一个模型 使用该模型进行预测 假设想做一个“名人匹配 （celebrity match） ”的应用程序，告诉用户他们和哪位名人最相似。首先收集众多名人
机器学习代表着计算新领域，而公共云正使这项原本高大上的技术变得比以往更亲民、更实惠和更可用。但是，这并不意味着随便什么人都应该趋之若鹜。 机器学习是基于传统人工智能概念的。在1959年，它被定义为能够让系统学习且不必由外部经常更新的能力。它派生出了模式识别和计算学习两个分支，并在近期由几家主要公共云供应商提供他们自己的机器学习服务而进入了业界大部分人士的视野。 今天，我们都知道所谓机器学习是一种学习算法，它能够让计算机通过在数据中寻找某种模式而拥有学习的能力。很多人都将机器学习视为一种卓越的静态编程方法。它
对于各种热门的机器学习、深度学习课程，你一定了解过不少了。 但上课之后，如何把学出来的这些新方法用在你的工作项目？如何让你的移动应用也能具备机器学习、深度学习的能力？ 具体做这事的话： 你是该自己训练模型，还是用现成的模型？ 你是该用自己的电脑训练，还是在云端上训练？ 你是需要深度学习部署在云端，还是移动端？ 本文将对这些问题作出具体的解答。 作者 | Matthijs Hollemans 编译 | AI100 面对时下大热的机器学习和深度学习，是时候来加强你的移动应用了！ 可你有什么好主意吗？
【新智元导读】微软前副总裁S. Somasegar从智能应用开发的角度，总结了2016机器学习和人工智能的5大发展趋势：算法和数据结合的微智能，将能灵活地在应用中得到融合；让“每一个应用都变得智能”；人工智能的黑箱将被揭开；现阶段的机器学习和人工智能中，人类的作用不可替代；最后，他认为对于企业来说，不是从一开始就需要机器学习。 风险投资集团Madrona不久前在西雅图举办了一场机器学习与人工智能峰会，汇集了智能应用生态系统中不少大公司和初创企业。 本次峰会的一个重要的议题来自对与会者的问卷调查。在调查中，所
在机器学习服务器中，计算上下文是指处理给定工作负载的计算引擎的物理位置。默认为本地。但是，如果您有多台机器，则可以从本地切换到远程，将以数据为中心的RevoScaleR (R)、revoscalepy (Python)、MicrosoftML (R)和microsoftml (Python)函数的执行推送到另一个系统上的计算引擎。例如，在 R 客户端中本地运行的脚本可以将执行转移到 Spark 集群中的远程机器学习服务器以在那里处理数据。
在近期结束的CVPR2016（2016年国际计算机视觉与模式识别会议）上，机器学习无疑是最大的主角，谷歌以及与其合作的斯坦福大学、爱丁堡大学、UCLA、牛津大学、约翰霍普金斯大学的论文都涉及到了深度学
已提供预训练模型来支持需要执行情绪分析或图像特征化等任务但没有资源获取大型数据集或训练复杂模型的客户。使用预训练模型可以让您最有效地开始文本和图像处理。
在机器学习服务器中，Web 服务是在操作化计算节点上执行的 R 或 Python 代码。
TLDR; 本系列是基于检测以下现实生活代码记录中复杂策略的工作。该系列的代码可以在原文找到。
Salesforce 正式对外宣布收购 PredictionIO，用于增强自己在机器学习和大数据分析方面的能力。 Prediction IO 于 500 Satrtups 毕业，在 2014年 拿到了 250 万美元的种子轮融资，投资人包括投资了 VMWare 的 Azure Capital，StartX 基金等。 其 CEO 兼创始人 Simon Chen 喜欢把自己的产品描述为 “MySQL of Prediction”。他认为，机器学习和数据挖掘对每个公司都很重要，但自己来做，开发成本太高，数据专家也非常难找。 于是，Prediction IO 定位做一款开源的机器学习服务器，开发工程师和数据分析师可以使用它构建智能应用程序、基于已有数据来预测用户行为，并且还可以根据预测功能延生出不同的服务，比如个性化推荐、发现内容等。 由于他们是开源的系统，所以有很大的灵活性，可以让开发者自己去定制，往往只需要简单的几个步骤就可以搞定。 举例来说，开发者只要连接他们的服务器，然后导入用户行为数据，比如 John 买了咖啡、Mary 买了橙汁，再加入简单的 “一行代码”，就可以运用 Prediction IO 来进行多项预测。当你想要对 John 进行饮品推荐时，服务器就会自动返回五条 John 可能喜欢的饮品结果。更贴心的是，如果不希望总是给 John 推荐他热爱的摩卡、而想把店里的新品加进来，也同样只需要简单的设定就可以实现。 Prediction IO 其实是 Salesforce 的第 36 起收购案。Salesforce 已经在大数据分析和机器学习做了很多收购动作，包括最近的 MinHash，2014年 花 3 亿 9000 万美元收购的客户关系管理平台 RelateIQ(现在已是 salesforceiq 业务的核心)，还有今年早些时候的智能日历公司 Tempo AI。 Salesforce 对外发言人表示，目前已于 Prediction IO 签署了最终收购协议。在收购完成后，Simon Chen 以及其他联合创始人都将加入 Salesforce，该公司仍旧会为第三方开发商服务。
2021腾讯犀牛鸟开源人才培养计划 开源项目介绍 滑至文末报名参与开源人才培养计划 报名提交项目Proposal Angel项目介绍 Angel-高性能分布式机器学习平台，是腾讯研发并开源的面向企业级应用的高性能分布式机器学习平台。 Angel支持特征工程、模型构建、参数训练、AutoML、模型服务Serving等全栈机器学习服务，提供机器学习、深度学习、图神经网络等多种算法，支持级万亿级超大规模参数模型的训练，已在生产业务系统中大规模部署。 Angel项目导师介绍 欧阳文、李晓
继谷歌、微软、Deepmind后，亚马逊在近日也宣布，把自家培训软件工程师和数据科学家的机器学习课程免费开放。
在具有多个内核的单个服务器上，作业并行运行，假设工作负载可以分成更小的部分并在多个线程上执行。
1. ACT-R：ACT-R由卡内基·梅隆大学开发，它既是人类认知理论的名称，又是基于该理论的软件的名称。该软件基于Lisp，提供详细的说明文档。 链接：http://act-r.psy.cmu.edu/software/ 2. Caffe：Caffe最初由加州大学伯克利分校的一名博士生创建，已成为一种大受欢迎的深度学习框架。它赖以成名的方面包括富有表现力的架构、可扩展代码和速度。 链接：http://caffe.berkeleyvision.org/ 3. CaffeOnSpark：该项目最初在雅虎开发
首先介绍下Sqlserver 机器学习服务： 机器学习服务介绍： https://docs.microsoft.com/zh-cn/sql/machine-learning/sql-server-m
人工智能风头正盛，无论你是支持还是怀疑，AI对这个时代的影响都已逐渐渗透到各行各业当中，哪怕身处非互联网行业，也能感受到AI的滚滚浪潮。
Azure Machine Learning（简称“AML”）是微软在其公有云Azure上推出的基于Web使用的一项机器学习服务，机器学习属人工智能的一个分支，它技术借助算法让电脑对大量流动数据集进行识别。这种方式能够通过历史数据来预测未来事件和行为，其实现方式明显优于传统的商业智能形式。
云计算机器学习平台，有时也被称为机器学习即服务(MLaaS)解决方案，可以让企业更加轻松地采用人工智能(AI)。但专家表示，中小企业在考虑采用这些服务之前应该考虑其面临的潜在挑战。 云计算机器学习平台
数据科学家和开发人员可以在自定义脚本或解决方案中包含 RevoScaleR 函数，这些脚本或解决方案可以在 R 客户端本地运行或在机器学习服务器上远程运行。利用 RevoScaleR 功能的解决方案将在安装 RevoScaleR 引擎的任何地方运行。
本文介绍了在零售商工作的数据科学家、项目经理和业务主管利用自动机器学习和Azure机器学习服务来减少产品库存过剩的具体过程。
去年11月，我写了一篇关于使用自动机器学习来进行AI民主化（democratization）的文章（见下面链接）。
API 是一套用于构建软件程序的协议和工具。对于应用开发者而言，有了开放的 API，就可以直接调用其他公司做好的功能为我所用，这在很大程度上提升了工作效率。本文整理了以下四大类共 50 种 API，为你节省了寻找资源的时间。
2021年11月 微软开源一款简单的、多语言的、大规模并行的机器学习库 SynapseML（以前称为 MMLSpark），以帮助开发人员简化机器学习管道的创建。具体参见[1]微软深度学习库 SynapseML：可直接在系统中嵌入 45 种不同机器学习服务、支持 100 多种语言文本翻译。
【导读】2017年9月，Uber 在技术社区发表了一篇文章向大家介绍了 Uber 的机器学习平台 —— Michelangelo。随着平台的日渐成熟，Uber 的业务数量与能力也随之增长和提升，机器学习在整个公司的应用范围越来越广。在本篇文章中， 我们将为大家总结 Michelangelo 在过去一年的时间里取得的成果，回顾Michelangelo 的发展历程，并深入探讨 Uber 机器学习平台当前的发展方向和未来目标。
翻译 | Drei 编辑 | Just 出品 | 人工智能头条（公众号ID：AI_Thinker） API 是一套用于构建软件程序的协议和工具。对于应用开发者而言，有了开放的 API，就可以直接调用其他公司做好的功能为我所用，这在很大程度上提升了工作效率。 本文整理了以下四大类共 50 种 API，为你节省了寻找资源的时间。总之，你所需要的可能基本都在下面了： 人脸和图像识别（Face Image Recognition） 文本分析，自然语言处理，情感分析（Text Analysis, NLP, Senti
2017年企业界在AI技术上的开支将达到125亿美元，比2016年增长逾59.3%。这股强劲的增长势头可能会一直持续到2020年，到时收入有望达到460亿美元。开源软件的发展为AI的崛起发挥了巨大作用，市面上许多顶级的机器学习、深度学习、神经网络及其他AI软件采用开源许可证。本文从中遴选了50个最著名的开源AI项目： 1. ACT-R：ACT-R由卡内基·梅隆大学开发，它既是人类认知理论的名称，又是基于该理论的软件的名称。该软件基于Lisp，提供详细的说明文档。 链接：http://act-r.psy.
为推动中国人工智能行业的发展，促进专业人才培养，以及推进人工智能领域一级学科建设，信息技术新工科产学研联盟联合腾讯公司于10月29日，在南京大学开展了高等院校人工智能人才培养暨智能应用建模课程研讨会。于10月25日-27日，11月16日-17日，11月22日-24日，分别在天津大学、西安交通大学、厦门大学开展了人工智能师资培训班。腾讯云TI中的TI-ONE 作为唯一被邀请的机器学习平台，全程参与并支持会议及培训课程的开展。
API 是一套用于构建软件程序的协议和工具。对于应用开发者而言，有了开放的 API，就可以直接调用其他公司做好的功能为我所用，这在很大程度上提升了工作效率。
本文为 AI 研习社编译的技术博客，原标题 Ready-to-Use Deep-Learning Models，作者为 Patrick Titzler。 翻译 | 老周 整理 | MY 您
API是一套用于构建应用软件程序的规范，协议和工具。在本文中，我们从2017年的清单中删除了停用的API，并利用新元素对其进行了更新。并且，所有的API被归类到以下几个领域：
对于做工程项目和搞科研的人来说，有现成的模块或工具使用是一件多么美妙的事情啊，无需访问源码或理解内部工作机制的细节即可完成相应的任务。常用的方法是调用一些API，即一些预先定义的函数，目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力。本文总结对于机器学习行业者有用的50多个API，主要涉及的领域如下：
大数据文摘作品 编译：大茜、Shan LIU、云舟 还在为找不到机器学习的API而烦恼吗？本篇文章将介绍一个包含50+关于人脸和图像识别，文本分析，NLP，情感分析，语言翻译，机器学习和预测的API列表，快快收藏吧~ API是一套用于构建应用软件程序的规范，协议和工具。在本文中，我们从2017年的清单中删除了停用的API，并利用新元素对其进行了更新。并且，所有的API被归类到以下几个领域： 人脸和图像识别 文本分析，NLP，情感分析 语言翻译 机器学习和预测 在每组应用中，列表中的元素按字母顺序排列。相
大家好，欢迎来到专栏《AutoML》，在这个专栏中我们会讲述AutoML技术在深度学习中的应用，这一期讲述现有可用的AutoML平台。
答案显然是否定的。一方面，人工智能技术的应用越来越广泛，应用场景不断扩大，身边的就如资讯推送、网购推荐、叫车出行、在线教育等。
机器学习目前是 IT 领域最热门的话题之一，这是因为它在看似无限的应用场景中都能发挥自身的作用。从检测欺诈网站到自动驾驶汽车，再到识别你的“金牌会员”身份以进行价格预测等等。 但这个如此有吸引力的领域未来将如何发展？会走向何处？下一个最好的东西又将是什么？未来十年我们将处于什么样的位置？无论下一个巨大的改变是否会给我们所有人带来惊喜，本文将对机器学习将发挥作用的领域和用例做出五个预测。 1. 量子计算(Quantum Computing) 机器学习任务涉及到诸如在高维空间中对大量向量进行处理和分类的问题
机器学习目前是 IT 领域最热门的话题之一，这是因为它在看似无限的应用场景中都能发挥自身的作用。从检测欺诈网站到自动驾驶汽车，再到识别你的“金牌会员”身份以进行价格预测等等。 但这个如此有吸引力的领域未来将如何发展？会走向何处？下一个最好的东西又将是什么？未来十年我们将处于什么样的位置？无论下一个巨大的改变是否会给我们所有人带来惊喜，本文将对机器学习将发挥作用的领域和用例做出五个预测。 1. 量子计算(Quantum Computing) 机器学习任务涉及到诸如在高维空间中对大量向量进行处理和分类的问题。我
【编者按】随着机器学习算法的流行，Amazon、Google,、IBM和Microsoft等公司在机器学习云服务市场接连出手，并提供许多的API来吸引用户。本文中，Janet Wagner，ProgrammableWeb的data journalist、developer和contributor，根据互联网上的活跃度盘点了机器学习API的Top 10，并介绍了它们的功能特色。Janet Wagner同时认为，Project Oxford等少数API虽然没有上榜，但仍值得称道。 如今，机器学习无处不在。它可以
来源：research.fb.com 作者：Kim Hazelwood et al. 编译：刘小芹 【新智元导读】近日 Facebook 研究团队公开一篇 HPCA 2018 论文，作者包括 Caffe 作者贾扬清等人，深度揭示了 Facebook 内部支持机器学习的硬件和软件基础架构。Facebook 的几乎所有的服务都广泛应用机器学习，其中计算机视觉只占资源需求的一小部分。此外，Facebook 依赖多种机器学习方法，包括但不限于神经网络。硬件方面，用CPU 做推理，CPU 和 GPU都用于训练，并且进
本期仍旧由村长为大家供稿，内容是Medium上面一篇文章的翻译，原文George Seif于2018年7月31日所作，大家如果对原文有兴趣可以参考以下链接：
机器之心原创 作者：杜雪 2013 年，DeepMind 在 NIPS 大会上发表的一篇深度强化学习的文章，一举惊艳了学术界。2016 年 1 月，AlphaGo 在一场围棋大赛中击败李世乭吸引全世界的目光，其背后的强大武器正是深度强化学习技术。同年年底，2016NIPS 最佳论文奖也颁给了解决深度强化学习泛化能力较弱问题的论文。 随着深度学习的突破性进展，也促使强化学习的研究前景，重新获得了产业各界的关注。2016 年 8 月，在 ACM（国际计算机学会）会刊一篇名为《强化学习的复兴》的文章中提到，「D
在数据源类型中，您可能会发现取决于文件系统类型和计算上下文的差异。例如，在 Hadoop 分布式文件系统 (HDFS) 上创建的 .xdf 文件与在 Windows 或 Linux 等非分布式文件系统中创建的 .xdf 文件有些不同。有关详细信息，请参阅如何在 Spark 上使用 RevoScaleR。
作者：仁基，元涵，仁重 本文选自：《尽在双11：阿里巴巴技术演进与超越》 近十年，人工智能在越来越多的领域走进和改变着我们的生活，而在互联网领域，人工智能则得到了更普遍和广泛的应用。作为淘宝平台的基石，搜索也一直在打造适合电商平台的人工智能体系，而每年双11大促都是验证智能化进程的试金石。伴随着一年又一年双11的考验，搜索智能化体系逐渐打造成型，已经成为平台稳定健康发展的核动力。 演进概述 阿里搜索技术体系目前基本形成了offline、nearline、online三层体系，分工协作，保证电商平台
【编者按】如我们之前的介绍，随着微软、Google、AWS陆续加入，机器学习即服务（MLaaS）的争夺战已经打响，BigML就是其中的一个竞争者。本文详细介绍了BigML机器学习服务的特性和使用过程，作者认为BigML比AmazonML、AzureML等更接近于SaaS，支持跨云导入数据是它的一个优势。以下为文章内容。 BigML提供一个建立和共享数据集和模型的管理平台 机器学习即服务（MLaaS）已经真实存在于云计算市场，而BigML的使命很简单明了：让机器学习更容易，更美妙，更加易于为所有人理解
ONNX Runtime是适用于Linux，Windows和Mac上ONNX格式的机器学习模型的高性能推理引擎。
机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具备智能的根本途径，其应用遍及人工智能的各个领域。 多年来，微软一直专注于机器学习的研究，并将机器学习广泛应用到产品和服务中，取得了一系列的显著成果。微软的人工智能助力小冰在机器学习技术的帮助下，具备了情景对话的能力，并且能够识别狗的种类以及进行简单的自述；同样，得益于机器学习技术的进步，微软最新发布的Skype Transl
近日，紧跟华为宣布新的 AI 框架即将开源的消息，腾讯又带来了全新的全栈机器学习平台 angel3.0。新版本功能特性覆盖了机器学习的各个阶段，包括：特征工程、模型训练、超参数调节和模型服务。自 2017 年 angel1.0 在 Github 上开源以来，angel 共获得星标数超过 4200、fork 数超 1000。腾讯发布了相关文章介绍了 angel3.0 更新细节等内容。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
