机器学习/深度学习

首页 标签 机器学习/深度学习
# 机器学习/深度学习 #
关注
72751内容
|
11小时前
| |
Feature Generator(FG)特征算子配置指南
本文档全面介绍Feature Generator(FG)的各类特征算子配置方法,涵盖基础(ID/原始特征)、计算(表达式)、交叉(组合)、查找(Lookup/Match)、文本(重叠/BM25)、序列、预处理(分词/归一化)及字符串处理(正则替换/切片)等9大类算子,附详细配置示例与说明。
|
11小时前
|
基于 YOLO的咖啡果实成熟度检测系统~Python+YOLO算法+模型训练+目标检测+2026原创
咖啡豆果实成熟度检测系统系统,技术栈如下: ● 前端:Vue3+Element plus ● 后端:Flask框架 ● 算法:YOLO 关键技术:YOLO模型、模型训练、目标检测、人工智能、Python
|
16小时前
| |
PAI-Rec 特征工程全解析:统计特征、实时特征、序列特征与 FG 特征算子
PAI-Rec是阿里云智能推荐的特征工程解决方案,支持离线统计、实时及序列特征自动衍生,并通过Feature Generator(17种内置算子)保障离线/在线特征一致性,大幅降低开发与维护成本。
|
18小时前
| |
PAI-Rec推荐开发平台:企业级智能推荐解决方案,驱动业务全域增长
PAI-Rec是阿里云一站式推荐系统平台,集成多路召回、多目标精排(如DBMTL)、GPU加速推理与灵活迭代能力,已助力电商、直播、音视频等多行业提升点击率、转化率与ROI,实现高效、低成本、可自主演进的智能推荐。
|
20小时前
| |
PAI-Rec 召回引擎:构建高性能推荐系统的核心引擎
PAI-Rec是阿里云智能推荐平台的核心召回引擎,经阿里大规模场景验证。支持多路召回融合(U2I/I2I/向量/随机)、召回即过滤、毫秒级实时更新与分布式弹性架构,开箱即用,助力企业构建毫秒级、高精度、强实时的推荐系统。
|
1天前
|
开源 | OpAgent v0.2.0 发布,开放在线体验 Demo 和量化模型!
SOTA Web 智能体 OpAgent 发布 v0.2.0 版本,新增在线体验 Demo 和量化模型,教你部署属于自己的 Web 智能体。
企业级智能问数:为什么需要“业务本体”而非“技术映射”?
本文探讨企业智能问数的核心路径选择:为何“业务本体”语义层(如UINO方案)比“技术映射”(宽表/Text2SQL/指标平台)更适配复杂统计、跨域分析等真实场景。指出本体建模以业务对象为中心,支持动态推理与低维护泛化,是POC走向规模化落地的关键。
谷歌深夜炸场:Gemma 4全系开源!31B“越级屠龙”20倍巨头,Apache 2.0协议彻底放手
谷歌DeepMind发布Gemma 4开源大模型全家桶(2B–31B),基于Gemini 3同源技术,参数效率颠覆行业:31B Dense Elo达1452(开源第三),仅1/30参数媲美600B模型;26B MoE激活仅3.8B,手机端即可运行。全系支持多模态(图/音/视频)、Apache 2.0协议,覆盖端侧到数据中心,重新定义开源大模型规则。
免费试用