选择正确的人工智能用例的5个技巧

很多企业可能对采用人工智能还没有做好准备,因此从单个项目开始可能是一个很好的开始。首席信息官在早期人工智能项目中应该有什么收获?

David Petersson ·  4天前
一份不可多得的数据科学与机器学习Python库

本文全面地介绍了当前市场上适合于数据科学和机器学习的优秀 Python 库。

陈峻 ·  4天前
数据转换率较低将如何严重影响机器学习

如今,机器学习以多种有益的方式改变着市场的未来发展。数字营销研究机构的调查报告表明,97%的决策者认为机器学习技术将促进未来市场发展。

Sean Mallon ·  2019-11-07 21:21:08
解读机器学习翻译的局限性

机器学习翻译对于人们的交流非常有益,但是它们也有其局限性。机器学习为企业提供了翻译文档的新机会,他们可以使用机器学习来翻译营销材料和其他文献。但是,这些人工智能解决方案可能并不总是很好的选择。

Ryan Kh ·  2019-11-06 11:34:53
谷歌把打败99%程序员的AutoML集成到Kaggle平台!

谷歌宣布,将用于训练机器学习算法的Cloud AutoML服务集成到数据科学平台Kaggle中。

佚名 ·  2019-11-06 10:49:29
优秀的机器学习情绪分析工具(创业公司)TOP5

最佳的情感分析公司和机器学习工具有哪些?以下我们整理了数家目前市场上较为优秀的,基于机器学习的情感分析工具/创业公司。

CashCat ·  2019-11-05 10:26:49
大数据架构详解:从数据获取到深度学习 精选

机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。其专门研究计算机是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。此外,数据挖掘和机器学习有很大的交集。

阿福班主任 ·  2019-11-04 14:28:55
四种高性能数据类型,Python collections助你优化代码、简洁任务

在这篇文章中,机器学习工程师 George Seif 介绍了 Python collections 模块最受欢迎的四种数据类型以及它们各自的使用方法。

机器之心 ·  2019-11-04 14:02:12
跨专业自学NLP,这个90后撸出了开源类库HanLP,已在GitHub收获1.5W星 精选

截止 2019 年 10 月底,一款名为 HanLP 的自然语言处理类库在 GitHub Star 数达到了 15.5 K,超过了宾夕法尼亚大学的 NLTK、斯坦福大学的 CoreNLP、哈尔滨工业大学的 LTP。

刘燕 ·  2019-11-04 13:51:13
企业在机器学习中容易犯的五个错误

机器学习技术的发展已使人们能够从企业的各种结构化或非结构化内容中提取更多的信息和情报。

HERO ·  2019-11-01 14:19:02
从Python代码到APP,你只需要一个小工具:GitHub已超3000星

机器学习开发者想要打造一款 App 有多难?事实上,你只需要会 Python 代码就可以了,剩下的工作都可以交给一个工具。

机器之心 ·  2019-10-31 10:43:05
机器学习开发指南(基础篇)

机器学习是人工智能领域的重要组成,简单来说就是计算机程序学习数据,并产生相应的建议与决策的过程。

大白 ·  2019-10-31 08:00:00
人工智能和机器学习对于组织如何运行数字系统变得更加重要

尽管存在一些困难和障碍,很多企业如今在数字化转型项目方面取得了重大进展,但技术领导者发现,开展数字化转型具有挑战性,并在数字化转型是否可以提高业务价值方面面临着越来越大的压力。

企业网D1Net ·  2019-10-30 15:00:14
人工智能和自动化改善过程挖掘的6种方法

创建企业的数字孪生、识别机器人流程自动化(RPA)等自动化技术并将孤立的任务连接到流程中,是首席信息官推进流程时发现的几种方法。

George Lawton ·  2019-10-29 14:07:24
面向神经机器翻译的篇章级单语修正模型

随着基于自注意力机制的Transformer模型在机器翻译任务中广泛应用,许多之前基于循环神经网络(RNN)机器翻译模型的篇章级方法不再适用。

小牛翻译 ·  2019-10-25 16:18:34
盘点AI十大应用领域,看看有你的专业吗?

一提到人工智能和脑部研究,人们就会联想到终结者机器毁灭世界的画面。谢天谢地,目前的情况没有这么糟。本文将探讨人工智能如何助力地球发展,并最终造福于人类。本文涉及人工智能应用,包括人工智能是如何影响医疗、金融、农业等各个领域的。

读芯术 ·  2019-10-25 13:35:52
全球93%高管对AI有期待,但65%的人说还没得到收益

在MIT Sloan Review和BCG的调查报告中指出,与那些不注重技能再培训的企业相比,那些在雇用或者留住AI人才方面遇到难题、但仍然积极帮助现有员工获得AI技能的企业,从AI中获益的可能性要高出40%。

佚名 ·  2019-10-25 09:30:29
搭建容易维护难!谷歌机器学习系统血泪教训

希望这篇论文能够为在生产环境中采用机器学习系统的开发者与维护者提供一些实用建议。作者警告称,虽然从零搭建机器学习系统还算轻松,但随后的改进却可能存在出乎意料的困难。

核子可乐 ·  2019-10-23 09:41:12
指南 | 手把手教你解决90%的NLP问题

利用机器学习方法来理解和利用文本,从最简单的到state-of-the-art,由浅入深,循序渐进。

Emmanuel Ameisen ·  2019-10-22 14:30:11
如何解决机器学习树集成模型的解释性问题

前些天在同行交流群里,有个话题一直在群里热烈地讨论,那就是 如何解释机器学习模型 ,因为在风控领域,一个模型如果不能得到很好的解释一般都不会被通过的,在银行里会特别的常见,所以大多数同行都是会用 LR 来建模。

SAMshare ·  2019-10-22 10:12:45
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载