蚂蚁金服开源机器学习工具SQLFlow,机器学习比SQL还简单

5月6日,蚂蚁金服副CTO胡喜正式宣布开源机器学习工具SQLFlow:“未来三年,AI能力会成为每一位技术人员的基本能力。我们希望通过开源SQLFlow,降低人工智能应用的技术门槛,让技术人员调用AI像SQL一样简单。”

目前,SQLFlow已经在GitHub上获得1636个Star,236个Fork。(GitHub地址:https://github.com/sql-machine-l

有关扩大机器学习规模的五个启发

推特和脸书可以教会我们很多和高效的人工智能有关的东西。
Gartner最近的一项调查显示,很多公司才刚刚开始机器学习之旅,而37%的组织已经实施了人工智能。如果你已经准备好接受机器学习,你可能先要评估十个问题或评估人工智能、机器学习和深度学习的完整指南,然后才能对机器学习进行概念验证。

机器学习正在不断发展,新的商业突破、科学进步、框架改进和最佳实践常常见诸各大媒体。
我们可以从实施了大规模

用机器学习改善供应链的10个方法

如今,企业在利用机器学习预测错误率、需求规划生产力、降低成本、准时出货方面实现了两位数的改进,从根本上变革了供应链管理。
机器学习算法以及基于这种算法的模型,非常擅长在大型数据集中发现异常、模式和得出预测性见解,如此一来,当供应链遇到时间、成本和资源约束等多方面的挑战,机器学习成为解决这些问题的理想选择。
比如,亚马逊的Kiva机器人正是依靠机器学习技术来提高精度、速度和规模;而DHL则是利用

微软开源可解释机器学习工具包lnterpretML

 
【图片来源:MicrosoftResearchBlog  所有者:MicrosoftResearchBlog】
人类创造出人工智能,并且被人工智能影响着自己的生活。如果人工智能的行为具有可理解性,那么人类可以更进一步地利用人工智能。近期,微软研究院就机器学习的可理解性发表了相关文章,雷锋网全文编译如下。
当人工智能系统能够影响人类生活时,人们对它的行为理解是非常重要的。通过理解人工智能系统

蚂蚁金服开源机器学习工具 SQLFlow,让人工智能应用像 SQL 一样简单

5月6日,蚂蚁金服副CTO胡喜正式宣布开源机器学习工具SQLFlow:“未来三年,AI能力会成为每一位技术人员的基本能力。我们希望通过开源SQLFlow,降低人工智能应用的技术门槛,让技术人员调用AI像SQL一样简单。”

与早前的JavaScript、Swift等技术极为相似,人工智能技术虽拥趸众多,但门槛极高,不具备广泛的“普适性”,相关的专业人才也非常稀缺。当前人工智能的核心领域是“机器

敏捷开发助力机器学习的五个方面

【51CTO.com快译】作为一种框架和方法,敏捷开发(Agile)如今已经成为了软件开发核心领域最为流行的模式之一。通过将交互性和参与度融入到开发的过程中,敏捷方法已证明能够跨参数式地提供更高的效率。这让开发团队在面对复杂挑战、并寻求创新方案的同时,提高了整体效率和交付质量。
现如今,业界正在越来越多地通过使用敏捷方法,来进行机器学习类项目的开发。他们倾向于通过将重点从常规的功能开发与测试

惊喜还是惊吓?盘点机器学习算法的「高能」瞬间

编者按:「水可载舟,亦可覆舟」,这句老话相信我们都很熟悉,套用到机器学习上,即是带给我们诸多便利的机器学习算法,一个不小心,将因为意想不到的理由带到我们「惊喜」。原作者对一篇论述此现象的论文进行了解读,雷锋网AI科技评论将之编译如下。
机器学习算法与其他计算机程序存在很大的不同。在一般编程行为中,人类程序员都会告诉计算机具体做些什么。来到机器学习,人类程序员只会提供问题,算法必须通过反复试验来

不要只关心怎么优化模型,这不是机器学习的全部

机器学习领域的学生、研究员、企业开发者都习惯了在模型的优化上花大量功夫,仿佛取得更高的准确率/AUC/mAP等等就是机器学习研究和应用的全部。但是很少有人去问:测试表现优秀的模型就真的能很好解决真实世界的问题吗?
可解释的机器学习方向的研究员、《可解释的机器学习》书作者 ChristophMolnar近日就发表了一篇博客,提醒领域内的各位警醒这种风气,开始注意机器学习的应用中那些不应该被忽视

GitHub万星的中文机器学习资源:路线图、视频、学习建议全在这

本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。
再也不用在学机器学习之前先恶补英语了,这儿有一套超热门的优质中文资源可以选择。
这套名叫AILearning的GitHub资源,汇集了30多名贡献者的集体智慧,把学习机器学习的路线图、视频、电子书、学习建议等中文资料全部都整理好了。
目前资源在GitHub上已经有一万颗Star,微博网友:好人一生平安。

事不宜迟

16个用于数据科学和机器学习的顶级平台

调研机构Gartner公司将数据科学和机器学习平台定义为“具有凝聚力的软件应用程序,它提供了创建多种数据科学解决方案以及将这些解决方案合并到业务流程、周围基础设施和产品中所必需的基本构建块的混合体。”

这样的平台支持数据科学家在整个数据和分析管道中执行任务。这些任务包括与数据访问和接收、数据准备、交互式探索和可视化、功能工程、高级建模、测试、培训、部署和性能工程相关的任务。考虑到这一点,Ga