斯坦福的人工智能4年路线！
相信每个入行人工智能的老手，对自己过往的几年学习生涯都或多或少会有一些遗憾：如果我当年先从基本概念入手就好了，如果我当年把核心算法吃的更透一点就好了…
相关分享
1
喜欢
52
www.52nlp.cn
/
2022-12-18 20:03
探索人机深度融合的高可用性人工智能应用
NLP也被誉为人工智能皇冠上的明珠，AI落地特别是NLP落地尤其不容易，通过机器处理办公文档远比从一堆图片中找出有猫的图片要复杂得多。因为让机器处理办公文档，往往存在缺少大量的训练语料情况，不同行业间需要处理的具体问题千差万别，人工都需要专业培训甚至几年工作经验才能处理妥当。本文主要结合达观的实践落地经验，探讨在具体NLP项目落地时，计算机“智能”需要哪些必不可少的“人工”。
无图
1
喜欢
in
insights.thoughtworks.cn
/
2022-11-23 15:47
浅谈数据和人工智能项目的管理
数据和智能类的项目管理内容仍然是基于传统软件项目管理所定义的范围和领域，但近年来新概念和新技术的出现给数据和智能类项目的管理带来了新的挑战，所以项目管理者在管理的思路、方法、策略上也存在不同。
无图
0
喜欢
de
developer.aliyun.com
/
2020-11-16 12:52
淘宝直播在冲刺最复杂的人工智能技术！
主播林珊珊测试了一下淘宝直播团队依据他个人形象打造的虚拟主播，也就是林珊珊下播以后，让虚拟主播上场，粉丝在直播间可以跟虚拟主播互动，虚拟主播则实时介绍商品，回答消费者提问。
无图
0
喜欢
de
developer.aliyun.com
/
2020-10-29 15:02
人工智能如何提升大数据存储与管理效率？
通过使用AI数据存储，供应商和企业可以将存储管理提升到一个新的水平。而且，存储管理员可以找到他们目前正在努力管理的指标的解决方案。
无图
0
喜欢
yq
yq.aliyun.com
/
2019-11-28 16:50
Flink 在人工智能领域的应用实践
人工智能是未来十年最重要的技术革命与驱动力，在各行各业产生着日益重要的作用，它与大数据的发展相辅相成，不仅推动人类社会迈入更智慧的世界，也为数据的应用带来无可估量的价值。
无图
0
喜欢
yq
yq.aliyun.com
/
2019-09-04 15:14
阿里云安全研究成果入选人工智能顶级会议 IJCAI 2019， 业界首次用AI解决又一难题！
8月10日至8月16日，国际人工智能组织联合会议IJCAI 2019（International Joint Conference on Artificial Intelligence 2019）在中国澳门召开。阿里云4篇AI研究论文在诸多论文中脱颖而出，其中一篇被主论坛收录，三篇被AIBS Workshop 收录。论文深入解析了AI技术在网络安全、数据安全和内容安全领域研究成果和场景化应用，展示了阿里云安全在智能安全领域的领导性。
无图
1
喜欢
ho
www.hollischuang.com
/
2019-08-08 10:38
正式宣战关系型数据库市场，华为宣布开源一款人工智能数据库
关系型数据库，是指采用了关系模型来组织数据的数据库，其以行和列的形式存储数据。目前市场上被广泛使用的关系型数据库主要有Oracle、DB2、MySQL、Microsoft SQL Server、Microsoft Access等。
无图
0
喜欢
yq
yq.aliyun.com
/
2019-03-26 15:50
【机器学习PAI实战】—— 玩转人工智能之利用GAN自动生成二次元头像
深度学习作为人工智能的重要手段，迎来了爆发，在NLP、CV、物联网、无人机等多个领域都发挥了非常重要的作用。最近几年，各种深度学习算法层出不穷, Generative Adverarial Network(GAN)自2014年提出以来，引起广泛关注，身为深度学习三巨头之一的Yan Lecun对GAN的评价颇高，认为GAN是近年来在深度学习上最大的突破，是近十年来机器学习上最有意思的工作。
无图
0
喜欢
yq
yq.aliyun.com
/
2019-03-26 15:42
【机器学习PAI实战】—— 玩转人工智能之美食推荐
在生活中，我们经常给朋友推荐一些自己喜欢的东西，也时常接受别人的推荐。怎么能保证推荐的电影或者美食就是朋友喜欢的呢？一般来说，你们两个人经常对同一个电影或者美食感兴趣，那么你喜欢的东西就很大程度上朋友也会比较感兴趣。在大数据的背景下，算法会帮我寻找兴趣相似的那些人，并关注他们喜欢的东西，以此来给我们推荐可能喜欢的事物。
无图
0
喜欢
yq
yq.aliyun.com
/
2019-03-25 15:32
【机器学习PAI实战】—— 玩转人工智能之你最喜欢哪个男生？
分类问题是生活中最常遇到的问题之一。普通人在做出选择之前，可能会犹豫不决，但对机器而言，则是唯一必选的问题。我们可以通过算法生成模型去帮助我们快速的做出选择，而且保证误差最小。充足的样本，合适的算法可以透过表象的类别，进而挖掘其内在的联系、区别，找出最佳的的属性来区分每个样本的类别。所以说学习和应用机器学习的算法，要求我们必须非常了解数据实例，每个样本数据有多少个特征，哪些特征是敏感的，特征分布如何。只有充分了解数据，才能选择最合适的算法。
无图