《阿里云产品手册2022-2023 版》——机器学习平台
2023-05-31
134
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
《阿里云产品手册2022-2023 版》——机器学习平台
目录
相关文章
|
2月前
|
机器学习/深度学习
测试技术
阿里云入选Gartner数据科学和机器学习平台挑战者象限
Gartner® 正式发布了《数据科学与机器学习平台魔力象限》报告（Magic Quadrant™ for Data Science and Machine Learning Platforms），阿里云成为唯一一家入选该报告的中国厂商，被评为“挑战者”（Challengers）。
45
0
0
|
4天前
|
开发者
Python
阿里云PAI DSW快速部署服务
在使用阿里云DSW实例进行开发的时候，可能需要快速部署服务测试应用效果。DSW实例目前已经支持通过自定义服务访问配置功能，对外提供服务访问能力，您在应用开发过程中无需分享整个DSW实例，即可将服务分享给协作开发者进行测试和验证。
45
23
23
|
25天前
|
机器学习/深度学习
人工智能
算法
国内首家！ 阿里云人工智能平台 PAI 通过 ITU 国际标准测评
阿里云人工智能平台 PAI 顺利通过中国信通院组织的 ITU-T AICP-GA国际标准和《智算工程平台能力要求》国内标准一致性测评，成为国内首家通过该标准的企业。阿里云人工智能平台 PAI 参与完成了智算安全、AI 能力中心、数据工程、模型开发训练、模型推理部署等全部八个能力域，共计220余个用例的测试，并100%通过测试要求，获得了 ITU 国际标准和国内可信云标准评估通过双证书。
148
14
14
|
24天前
|
机器学习/深度学习
人工智能
监控
AutoTrain：Hugging Face 开源的无代码模型训练平台
AutoTrain 是 Hugging Face 推出的开源无代码模型训练平台，旨在简化最先进模型的训练过程。用户无需编写代码，只需上传数据即可创建、微调和部署自己的 AI 模型。AutoTrain 支持多种机器学习任务，并提供自动化最佳实践，包括超参数调整、模型验证和分布式训练。
98
4
4
|
10天前
|
机器学习/深度学习
人工智能
自然语言处理
【NeurIPS'24】阿里云 PAI 团队论文被收录为 Spotlight，并完成主题演讲分享
12月10日，NeurIPS 2024在温哥华开幕，阿里云PAI团队论文《PertEval: Unveiling Real Knowledge Capacity of LLMs with Knowledge-Invariant Perturbations》入选Spotlight，PAI团队还进行了“可信AI的技术解读与最佳实践”主题演讲，展示AI工程化平台产品能力。
33
2
2
|
1月前
|
机器学习/深度学习
人工智能
自然语言处理
【EMNLP2024】阿里云人工智能平台 PAI 多篇论文入选 EMNLP2024
阿里云人工智能平台 PAI 的多篇论文在 EMNLP2024 上入选。论文成果是阿里云与华南理工大学金连文教授团队、复旦大学王鹏教授团队共同研发。EMNLP 是人工智能自然语言处理领域的顶级国际会议，聚焦于自然语言处理技术在各个应用场景的学术研究，尤其重视自然语言处理的实证研究。该会议曾推动了预训练语言模型、文本挖掘、对话系统、机器翻译等自然语言处理领域的核心创新，在学术和工业界都有巨大的影响力。此次入选标志着阿里云人工智能平台 PAI 在自然语言处理和多模态算法能力方面研究获得了学术界认可。
91
1
1
|
2月前
|
JSON
测试技术
API
阿里云PAI-Stable Diffusion开源代码浅析之（二）我的png info怎么有乱码
阿里云PAI-Stable Diffusion开源代码浅析之（二）我的png info怎么有乱码
54
0
0
|
25天前
|
机器学习/深度学习
算法
数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法，通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法，通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理，包括初始化、数据点分配与簇中心更新等步骤，以及如何在Python中实现该算法，最后讨论了其优缺点及应用场景。
77
4
4
|
4天前
|
算法
|
22天前
|
机器学习/深度学习
算法
数据挖掘
C语言在机器学习中的应用及其重要性。C语言以其高效性、灵活性和可移植性，适合开发高性能的机器学习算法，尤其在底层算法实现、嵌入式系统和高性能计算中表现突出
本文探讨了C语言在机器学习中的应用及其重要性。C语言以其高效性、灵活性和可移植性，适合开发高性能的机器学习算法，尤其在底层算法实现、嵌入式系统和高性能计算中表现突出。文章还介绍了C语言在知名机器学习库中的作用，以及与Python等语言结合使用的案例，展望了其未来发展的挑战与机遇。
39
1
1
热门文章
最新文章
1
一个易用且高效的基于 PyTorch 的 MoE 模型训练系统.
2
利用机器学习进行情感分析：技术详解与实践
3
【机器学习】如何根据训练集大小选择分类器？
4
极大降低大模型训练内存需求，Meta等推出高效方法
5
机器学习-异常检测算法（二）：Local Outlier Factor
6
回归算法全解析！一文读懂机器学习中的回归模型
7
AI推理服务平台升级，阿里云机器学习PAI推出新规格
8
图解机器学习 | 回归树模型详解
9
【GTC 22】通过 PAI-Blade 更方便、更鲁棒地使用 TensorRT
10
Python3入门机器学习 - 模型泛化
1
【Python机器学习专栏】Python环境下的机器学习库概览
114
2
【python】Python大豆特征数据分析 [机器学习版一]（代码+论文）【独一无二】
112
3
机器学习实战第3天：手写数字识别
190
4
机器学习库：numpy
86
5
机器学习第11天：降维
98
6
构建高效机器学习模型的五大技巧
94
7
构建高效机器学习模型：从数据预处理到模型优化
104
8
构建高效机器学习模型：从特征工程到模型调优
105
9
Machine Learning机器学习之贝叶斯网络(BayesianNetwork)
1352
10
Machine Learning机器学习之决策树算法 Decision Tree（附Python代码）
391