AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

Machine Learning

2023-09-11 95
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： Machine Learning

介绍

1.工业界的应用

推荐商品

机器客服

穿戴传感器

账号盗刷

预测汽油

无人驾驶

预测房价

2.ML工作流程及相应难点

image.png

problem formulation

collect & process data

train & tune models

deploy modles

monitor

3.challenges

image.png

好的数据（高质量的数据）

隐私数据

模型的训练

监控模型

公平性

4.Roles

image.png

Domain experts: 产品专家 正确部署 商业理解

Data scientists: 数据科学家

ML experts: 定制化产品

SDE: 软件开发工程师 开发维护代码

image.png

image.png

image.png

总结

image.png

  • 公司正在采用ML
  • ML工作流包括:制定问题、准备数据、训练和部署ML模型、监控
  • 本课程将教授数据科学家在Ml工作流阶段所需的技术
文章标签：
监控
传感器
自动驾驶
断墨寻径
目录
相关文章
全栈技术精选
|
机器学习/深度学习 人工智能 算法
The 10 Algorithms Machine Learning Engineers Need to Know
The 10 Algorithms Machine Learning Engineers Need to Know
全栈技术精选
61 0
auqbllxiu
《Deep Learning vs.Machine Learning-the essential differences you need to know!》电子版地址
Deep Learning vs.Machine Learning-the essential differences you need to know!
auqbllxiu
121 0
《Deep Learning vs.Machine Learning-the essential differences you need to know!》电子版地址
机器学习Zero
|
机器学习/深度学习 算法 Python
Machine Learning-L7-最大熵模型
Machine Learning-L7-最大熵模型
机器学习Zero
189 0
Machine Learning-L7-最大熵模型
机器学习Zero
|
存储 算法
Machine Learning-L11-KNN
Machine Learning-L11-KNN
机器学习Zero
106 0
Machine Learning-L11-KNN
机器学习Zero
|
机器学习/深度学习 算法 Python
Machine Learning-L6-逻辑回归
Machine Learning-L6-逻辑回归
机器学习Zero
88 0
Machine Learning-L6-逻辑回归
机器学习Zero
|
机器学习/深度学习 自然语言处理 算法
Machine Learning-L16-概率图模型
Machine Learning-L16-概率图模型
机器学习Zero
210 0
Machine Learning-L16-概率图模型
振华OPPO
|
机器学习/深度学习
这就是Machine Learning
这就是Machine Learning
振华OPPO
141 0
这就是Machine Learning
megachen
|
数据挖掘
Machine learning preface
Machine learning Preface Definition T: Task E: Experience P: Performance Sequence: T -> E -> P Supervised learning Definition Give the right answer...
megachen
926 0
绿箭侠2017
|
机器学习/深度学习 存储 资源调度
Optimization of Machine Learning
机器学习就是需要找到模型的鞍点，也就是最优点。因为模型很多时候并不是完全的凸函数，所以如果没有好的优化方法可能会跑不到极值点，或者是局部极值，甚至是偏离。
绿箭侠2017
1306 0
绿箭侠2017
|
搜索推荐 Python 算法
Factorization Machine
Factorization Machine---因子分解机 ①target function的推导 logistics regression algorithm model中使用的是特征的线性组合，最终得到的分割平面属于线性模型，但是线性模型就只能处理线性问题，所以对于非线性的问题就有点难处理了，对于这些复杂问题一般是两种解决方法①对数据本身进行处理，比如进行特征转换，和函数高维扩展等等。
绿箭侠2017
1113 0

热门文章

最新文章

  • 1
    四大触点，教你从“用户视角”构建数据分析体系
  • 2
    Spring-boot+Dubbo应用启停源码分析
  • 3
    《Stata统计分析与应用（第2版）》一3.4 图形的保存、合并及修改
  • 4
    RocketMq-Request-Reply消息
  • 5
    Confluence 6 手动添加用户
  • 6
    2013年4月20日 通用权限管理系统组件V3.8功能改进说明
  • 7
    Configuring EIGRP Unequal-Cost Paths
  • 8
    PowerShell 指定关键词遍历文件内容
  • 9
    Windows时间服务出现故障 向用户发送错误的时间
  • 10
    三种dedecms调用相关文章的方法
  • 1
    《鸿蒙HarmonyOS应用开发从入门到精通（第2版）》简介
    51
  • 2
    《Python 助力：人工智能模型的“瘦身”与“加速”之旅》
    110
  • 3
    《非计算机专业者：Python 开启人工智能职业新航道》
    39
  • 4
    《Python赋能：智绘智慧城市新蓝图》
    42
  • 5
    《智育新篇：点亮学生人工智能伦理与社会责任之光》
    47
  • 6
    《数据主权：人工智能时代的核心基石与挑战》
    33
  • 7
    鸿蒙HarmonyOS应用开发 | 探索 HarmonyOS Next-从开发到实战掌握 HarmonyOS Next 的分布式能力
    109
  • 8
    鸿蒙原生开发环境的创新与性能优化：从工具到跨平台支持的全方位提升
    267
  • 9
    鸿蒙HarmonyOS应用开发 | 「鸿蒙技术分享」HarmonyOS NEXT元服务卡片实战体验
    161
  • 10
    Qwen-Coder：通过Qwen 2.5模型实现智能代码生成的技术实践
    38

    • 相关电子书

    更多
  • Me-Through-Machine-Learning
  • What Machine Learning Can Do f
  • Developing a Machine Learning
    • 下一篇
    DataWorks售前咨询