</div>《阿里云机器学习平台 PAI 产品与技术》电子版地址
2022-11-28
209
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。
本文涉及的产品
简介：
阿里云机器学习平台 PAI 产品与技术
目录
相关文章
|
2月前
|
机器学习/深度学习
人工智能
自然语言处理
人工智能与机器学习：探索未来的技术边界
【10月更文挑战第18天】 在这篇文章中，我们将深入探讨人工智能（AI）和机器学习（ML）的基础知识、应用领域以及未来趋势。通过对比分析，我们将揭示这些技术如何改变我们的生活和工作方式，并预测它们在未来可能带来的影响。文章旨在为读者提供一个全面而深入的理解，帮助他们更好地把握这一领域的发展趋势。
56
0
0
|
7天前
|
机器学习/深度学习
传感器
运维
使用机器学习技术进行时间序列缺失数据填充：基础方法与入门案例
本文探讨了时间序列分析中数据缺失的问题，并通过实际案例展示了如何利用机器学习技术进行缺失值补充。文章构建了一个模拟的能源生产数据集，采用线性回归和决策树回归两种方法进行缺失值补充，并从统计特征、自相关性、趋势和季节性等多个维度进行了详细评估。结果显示，决策树方法在处理复杂非线性模式和保持数据局部特征方面表现更佳，而线性回归方法则适用于简单的线性趋势数据。文章最后总结了两种方法的优劣，并给出了实际应用建议。
32
7
8
|
8天前
|
编解码
机器人
测试技术
技术实践 | 使用 PAI+LLaMA Factory 微调 Qwen2-VL 模型快速搭建专业领域知识问答机器人
Qwen2-VL是一款具备高级图像和视频理解能力的多模态模型，支持多种语言，适用于多模态应用开发。通过PAI和LLaMA Factory框架，用户可以轻松微调Qwen2-VL模型，快速构建文旅领域的知识问答机器人。本教程详细介绍了从模型部署、微调到对话测试的全过程，帮助开发者高效实现定制化多模态应用。
108
13
13
|
23天前
|
机器学习/深度学习
Python
机器学习中模型选择和优化的关键技术——交叉验证与网格搜索
本文深入探讨了机器学习中模型选择和优化的关键技术——交叉验证与网格搜索。介绍了K折交叉验证、留一交叉验证等方法，以及网格搜索的原理和步骤，展示了如何结合两者在Python中实现模型参数的优化，并强调了使用时需注意的计算成本、过拟合风险等问题。
44
6
6
|
25天前
|
机器学习/深度学习
搜索推荐
算法
在数字化时代，推荐系统成为互联网应用的重要组成部分，通过机器学习技术根据用户兴趣和行为提供个性化推荐，提升用户体验
在数字化时代，推荐系统成为互联网应用的重要组成部分，通过机器学习技术根据用户兴趣和行为提供个性化推荐，提升用户体验。本文探讨了推荐系统的基本原理、常用算法、实现步骤及Python应用，介绍了如何克服数据稀疏性、冷启动等问题，强调了合理选择算法和持续优化的重要性。
61
4
4
|
1月前
|
机器学习/深度学习
自然语言处理
语音技术
探索机器学习中的自然语言处理技术
【10月更文挑战第38天】在本文中，我们将深入探讨自然语言处理（NLP）技术及其在机器学习领域的应用。通过浅显易懂的语言和生动的比喻，我们将揭示NLP技术的奥秘，包括其工作原理、主要任务以及面临的挑战。此外，我们还将分享一些实用的代码示例，帮助您更好地理解和掌握这一技术。无论您是初学者还是有经验的开发者，相信您都能从本文中获得宝贵的知识和启示。
37
3
3
|
1月前
|
机器学习/深度学习
人工智能
自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术，为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档，实现高效数据核验与合规性检查，显著提升审查速度和精准度，同时保障敏感信息管理和数据安全。
109
11
11
|
25天前
|
机器学习/深度学习
数据可视化
算法
|
3月前
|
机器学习/深度学习
算法
数据挖掘
Python数据分析革命：Scikit-learn库，让机器学习模型训练与评估变得简单高效！
在数据驱动时代，Python 以强大的生态系统成为数据科学的首选语言，而 Scikit-learn 则因简洁的 API 和广泛的支持脱颖而出。本文将指导你使用 Scikit-learn 进行机器学习模型的训练与评估。首先通过 `pip install scikit-learn` 安装库，然后利用内置数据集进行数据准备，选择合适的模型（如逻辑回归），并通过交叉验证评估其性能。最终，使用模型对新数据进行预测，简化整个流程。无论你是新手还是专家，Scikit-learn 都能助你一臂之力。
153
8
8
|
3月前
|
机器学习/深度学习
数据可视化
JavaScript
探索机器学习模型的可视化技术
【9月更文挑战第23天】在数据科学中，理解和解释机器学习模型的决策过程是至关重要的。本文将介绍几种流行的可视化工具和库，如TensorBoard、D3.js等，帮助读者更好地理解模型内部工作原理及其预测结果。通过实例演示如何使用这些工具进行模型可视化，增强模型的可解释性。
75
3
3
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
Jeff Dean长文展望：2021年之后，机器学习领域的五大潜力趋势（1）
3
【机器学习】如何根据训练集大小选择分类器？
4
【Python机器学习专栏】逻辑回归在分类问题中的应用
5
极大降低大模型训练内存需求，Meta等推出高效方法
6
机器学习-异常检测算法（二）：Local Outlier Factor
7
回归算法全解析！一文读懂机器学习中的回归模型
8
AI推理服务平台升级，阿里云机器学习PAI推出新规格
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】
111
3
机器学习实战第3天：手写数字识别
190
4
机器学习库：numpy
85
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)
1350
10
Machine Learning机器学习之决策树算法 Decision Tree（附Python代码）
388