IBM发布沃森数据平台:每个人都能从机器学习中受益

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

  人工智能正成为当下科技行业的热门话题

北京时间10月26日消息,据国外媒体报道,IBM“沃森”项目的愿景就是向普通大众赋予数据科学的力量。今天,IBM推出了“沃森数据平台”(Watson Data Platform),向这一目标又迈进了一步。

沃森数据平台的理论其实很容易理解:大数据和先进的分析技术,以及机器学习等所有相关技术,在提高效率和变革方面具有极大的潜力,因此,应该让每个人都能从这些技术中获益,而不仅仅只是那些多年来在大学研究基础数学和统计系统的专业人士。

大数据就是关于创意的理论,旨在让人们借助于技术将这些创意变为现实。目前,各个公司都在争相将这种技术带给自己的员工,让他们将伟大的创意和创造性解决方案变为现实。所以,类似“沃森数据平台”这样的新工具就是帮助实现这种梦想。

实际上,IBM表示“沃森数据平台”是第一个从零开始创建的支持机器学习的企业级数据平台——正如IBM分析产品与开发副总裁罗布·托马斯(Rob Thomas)所说,这个平台将完全“专注于人工智能”。

他在接受媒体采访时表示:“你可以将所有数据放在一个地方,这些数据会立即进行编录和组织,准备应用人工智能和机器学习。我们专注于满足所有人的需要,无论你是商业分析师、数据工程师,还是应用开发者或数据科学家——它就是为了让所有专业人士充分利用人工智能的力量,更为重要的是,将其应用于一个协作性环境中。”

IBM之所以推出沃森数据中心,是因为它要确保数据可以在整个组织中得到有效利用。托马斯说:“如果你考虑一下传统的数据部署方式,会发现它们在大多数组织内部都过于复杂。目前虽然有大量不同的平台,但当你转向企业数据时,人工智能的确让一切变得简单多了。通过让许多人可以充分利用分析能力,它改变了事情的性质。”

沃森数据平台的核心部分是“沃森机器学习服务”(Watson Machine Learning Service)——这项服务实施真正的人工智能和机器学习功能。

托马斯以保险公司为例,说明机器学习可以让企业客户变得“更智能”。他说“大多数保险公司都基于历史数据对风险作出评估。我们可以让他们基于每项政策和每个外部因素进行实时评估——所有这些数据都会实时输入模型之中。你可以根据流入的数据获得不同的结果。这就是机器学习的精髓,也是我们可以让他们在核心技术方面所能做的事情。”

托马斯表示,沃森机器学习服务旨在让人工智能和机器学习变得更容易获取:“你甚至不懂机器学习都可以。你可以利用任意一种语言,在数据科学体验中打造一种统计模型,然后秘密开启机器学习过程——我们可以让人们从事机器学习,即便他们不清楚自己在干什么。我们认为这可以让机器学习这门知识走向大众。”

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
7天前
|
机器学习/深度学习 数据可视化 大数据
机器学习与大数据分析的结合:智能决策的新引擎
机器学习与大数据分析的结合:智能决策的新引擎
76 15
|
20天前
|
机器学习/深度学习 人工智能 自然语言处理
模型训练数据-MinerU一款Pdf转Markdown软件
MinerU是由上海人工智能实验室OpenDataLab团队开发的开源智能数据提取工具,专长于复杂PDF文档的高效解析与提取。它能够将含有图片、公式、表格等多模态内容的PDF文档转化为Markdown格式,同时支持从网页和电子书中提取内容,显著提升了AI语料准备的效率。MinerU具备高精度的PDF模型解析工具链,能自动识别乱码,保留文档结构,并将公式转换为LaTeX格式,广泛适用于学术、财务、法律等领域。
120 4
|
1月前
|
机器学习/深度学习 分布式计算 算法
【大数据分析&机器学习】分布式机器学习
本文主要介绍分布式机器学习基础知识,并介绍主流的分布式机器学习框架,结合实例介绍一些机器学习算法。
210 5
|
1月前
|
机器学习/深度学习 数据采集 数据处理
谷歌提出视觉记忆方法,让大模型训练数据更灵活
谷歌研究人员提出了一种名为“视觉记忆”的方法,结合了深度神经网络的表示能力和数据库的灵活性。该方法将图像分类任务分为图像相似性和搜索两部分,支持灵活添加和删除数据、可解释的决策机制以及大规模数据处理能力。实验结果显示,该方法在多个数据集上取得了优异的性能,如在ImageNet上实现88.5%的top-1准确率。尽管有依赖预训练模型等限制,但视觉记忆为深度学习提供了新的思路。
34 2
|
2月前
|
机器学习/深度学习 存储 人工智能
揭秘机器学习背后的神秘力量:如何高效收集数据,让AI更懂你?
【10月更文挑战第12天】在数据驱动的时代,机器学习广泛应用,从智能推荐到自动驾驶。本文以电商平台个性化推荐系统为例,探讨数据收集方法,包括明确数据需求、选择数据来源、编写代码自动化收集、数据清洗与预处理及特征工程,最终完成数据的训练集和测试集划分,为模型训练奠定基础。
78 3
|
2月前
|
机器学习/深度学习 算法 Python
“探秘机器学习的幕后英雄:梯度下降——如何在数据的海洋中寻找那枚失落的钥匙?”
【10月更文挑战第11天】梯度下降是机器学习和深度学习中的核心优化算法,用于最小化损失函数,找到最优参数。通过计算损失函数的梯度,算法沿着负梯度方向更新参数,逐步逼近最小值。常见的变种包括批量梯度下降、随机梯度下降和小批量梯度下降,各有优缺点。示例代码展示了如何用Python和NumPy实现简单的线性回归模型训练。掌握梯度下降有助于深入理解模型优化机制。
40 2
|
2月前
|
机器学习/深度学习 自然语言处理 算法
大数据与机器学习
大数据与机器学习紧密相关,前者指代海量、多样化且增长迅速的数据集,后者则是使计算机通过数据自动学习并优化的技术。大数据涵盖结构化、半结构化及非结构化的信息,其应用广泛,包括商业智能、金融和医疗保健等领域;而机器学习分为监督学习、无监督学习及强化学习,被应用于图像识别、自然语言处理和推荐系统等方面。二者相结合,能有效提升数据分析的准确性和效率,在智能交通、医疗及金融科技等多个领域创造巨大价值。
149 2
|
3月前
|
机器学习/深度学习 数据采集 监控
探索机器学习:从数据到决策
【9月更文挑战第18天】在这篇文章中,我们将一起踏上一段激动人心的旅程,穿越机器学习的世界。我们将探讨如何通过收集和处理数据,利用算法的力量来预测未来的趋势,并做出更加明智的决策。无论你是初学者还是有经验的开发者,这篇文章都将为你提供新的视角和思考方式。
|
2月前
|
机器学习/深度学习 算法 数据处理
EM算法对人脸数据降维(机器学习作业06)
本文介绍了使用EM算法对人脸数据进行降维的机器学习作业。首先通过加载ORL人脸数据库,然后分别应用SVD_PCA、MLE_PCA及EM_PCA三种方法实现数据降维,并输出降维后的数据形状。此作业展示了不同PCA变种在人脸数据处理中的应用效果。
42 0
|
3月前
|
机器学习/深度学习 数据采集 算法
利用未标记数据的半监督学习在模型训练中的效果评估
本文将介绍三种适用于不同类型数据和任务的半监督学习方法。我们还将在一个实际数据集上评估这些方法的性能,并与仅使用标记数据的基准进行比较。
318 8

热门文章

最新文章