你好,游客 登录 注册 搜索
rss订阅 手机访问 
机器学习
2016年,机器学习和人工智能领域有什么重大进展?
  2016年机器学习领域取得了很多可以铭记在历史中的进展,将其称为”机器学习元年”也并不为过。市场上各大公司都在进行机器学习的研究,即使没有,他们也通过收购各类机器学习初创公司来快速进入这个领域。
日期:今 18:03 作者:
基于机器学习方法对销售预测的研究
  很高兴“InfoQ”团队和“百分点大数据学院”牵头举办此次活动。“百分点大数据学院”是由百分点发起的大数据领域专业、开放的分享交流平台,通过定期举办线上线下活动,邀请大数据领域学术专家、技术领袖、企业高层,分享行业、技术、应用等方面最前沿的经验与见解。
日期:12/28/2016 18:08:00 作者:唐新春
这五件关于机器学习的事,安全专业人士一定要了解
  近期,专家们分享了一些有关数据完整性、模式识别和计算能力的最佳实践,来帮助企业充分利用基于机器学习的网络安全技术。
日期:12/28/2016 18:06:44 作者:陈峻编译
使用机器学习成功降低数据中心能耗后,谷歌打算开源相关技术
  虚拟世界是建立在物理世界基础之上的。每次搜索、email 发送、网页投放、时间线留言和视频加载的请求都需要有比足球场还大的数据中心进行处理。在这里,成千上万的服务器机架需要消耗大量能源。
日期:12/20/2016 17:17:12 作者:
机器学习年度 20 大开源项目花落谁家?
  如今,开源已经成为创新与技术发展的核心。在本文中,雷锋网将介绍 2016 Python 前20大机器学习开源项目。
日期:12/20/2016 17:16:13 作者:小东
机器学习需要注意的13个陷阱
  将机器学习和人工智能运用于决策,可以帮助企业保持竞争力。但应用当中也会遇到许多问题。要是没有适当的制约与平衡机制,机器学习项目很快就会失控,从而让企业面临诸多风险。本文介绍了需要注意的13个陷阱。
日期:12/20/2016 17:13:46 作者:布加迪
2016 谷歌开发者大会上关于机器学习的一些资料
  Google 今天在北京国家会议中心开了一场开发者大会(GDD)。Google 在中国好几年没有消息了,这一次非常意味深长。本身对 Google 热爱,在加上前段时间刚刚开发完一个 Android app,报了名,幸运地获得了入场资格。
日期:12/09/2016 14:55:13 作者:
轻松看懂机器学习十大常用算法
  通过本篇文章可以对ML的常用算法有个常识性的认识,没有代码,没有复杂的理论推导,就是图解一下,知道这些算法是什么,它们是怎么应用的,例子主要是分类问题。
日期:12/01/2016 17:07:25 作者:不会停的蜗牛
Fregata: TalkingData开源的轻量级大规模机器学习库
  Fregata是TalkingData开源的一个基于Spark的轻量级、超快速的大规模机器学习库,并在Scala中提供高级API。
日期:11/30/2016 11:54:56 作者:
轻松看懂机器学习十大常用算法
  通过本篇文章可以对ML的常用算法有个常识性的认识,没有代码,没有复杂的理论推导,就是图解一下,知道这些算法是什么,它们是怎么应用的,例子主要是分类问题。
日期:11/29/2016 17:02:20 作者:
大数据24小时:谷歌挖来Twitter机器学习大牛,甲骨文收购不断...
  赛门铁克成立于1982年4月,是一家老牌的信息安全解决方案提供商,致力于为企业、个人用户和服务供应商提供网络安全软件及硬件的解决方案。近日,该公司宣布已经打败了包括Permira在内的众多竞争者,成功收购用户数据保护厂商Lifelock,交易金额高达24亿美元。
日期:11/22/2016 17:16:48 作者:
机器学习中的并行计算:GPU、CUDA和实际应用
  传统上(不管这里的传统到底是什么意思),机器学习是在一个单处理器环境中执行的,其中算法的瓶颈可能会导致模型处理过程中出现极大的延迟——从训练到分类、再到距离和误差计算等等。除了最近对神经网络训练的利用,许多机器学习(包括 scikit-learn 这样现成的库和开发者自己实现的算法)都没有使用到并行处理。
日期:11/11/2016 17:58:35 作者:
十大机器学习算法
  以下就是从参加评选的18种候选算法中,最终决选出来的十大经典算法,文章内容参考的是一篇英文paper,下面来看看十大经典算法的具体内容。
日期:11/11/2016 10:55:21 作者:
机器学习和数据挖掘的联系与区别
  小编说:从数据分析的角度来看,数据挖掘与机器学习有很多相似之处,但不同之处也十分明显,例如,数据挖掘并没有机器学习探索人的学习机制这一科学发现任务,数据挖掘中的数据分析是针对海量数据进行的,等等。从某种意义上说,机器学习的科学成分更重一些,而数据挖掘的技术成分更重一些。
日期:11/09/2016 19:28:18 作者:
开发者成功使用机器学习的十大诀窍
  在提供发现埋藏数据深层的模式的能力上,机器学习有着潜在的能力使得应用程序更加的强大并且更能响应用户的需求。精心调校好的算法能够从巨大的并且互不相同的数据源中提取价值,同时没有人类思考和分析的限制。
日期:11/09/2016 19:16:11 作者:刘帝伟翻译
  • 1/11
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • ...
  • 11
  • »