打击黑灰产的利器 —— 图神经网络（GNN）
阿里巴巴安全部数据与算法团队一直致力于与黑灰产进行对抗，保障用户在淘宝、天猫、闲鱼等平台上的使用体验和切身利益。面对狡猾的黑灰产，我们研究出了一系列算法武器，图神经网络（GNN）是其中重要的防控技术。本文结合阿里开源GNN框架Graph-Learn（https://github.com/alibaba/graph-learn）进行介绍。
人工智能居然会模仿人类品酒
《机器学习实践应用》作者傲海，手把手带领大家在机器学习PAI上，体验各种酒的口感，完成整个机器“品酒”的过程，内容包含：如何上传数据、如何做数据预处理、如何分类、如何评估四个部分，全程在线实操，并产出结果。
【机器学习PAI实践十二】机器学习实现男女声音识别分类（含语音特征提取数据和代码）
背景
随着人工智能的算法发展，对于非结构化数据的处理能力越来越受到重视，这里面的关键一环就是语音数据的处理。目前，许多关于语音识别的应用案例已经影响着我们的生活，例如一些智能音箱中利用语音发送指令，一些搜索工具利用语音输出文本代替键盘录入。
本文我们将针对语音识别中最简单的案例“男女声音”识别，结合本地的R工具以及机器学习PAI，为大家进行介绍。通过本案例，可以将任何用户
揭秘工业级大规模GNN图采样
互联网下的图数据纷繁复杂且规模庞大，如何将GNN应用于如此复杂的数据上呢？答案是图采样。结合阿里巴巴开源的GNN框架Graph-Learn（https://github.com/alibaba/graph-learn），本文重点介绍GNN训练过程中的各种图采样和负采样技术。
