人工智能 生产中的ML-1:Amazon Sagemaker-AWS,设置,训练和部署 作者|Roshini Johri编译|VK来源|Towards Data Science 将大规模的机器学习系统投入生产,建立一个漂亮的流线化功能库,这已经成为我一个新痴迷的技术点。 我最近开始了一系列关于学习和教学如何做到这一点的三部分教程,以实现不同的机器学习工作流程。本文假设了机器学习模型的
人工智能 YonBIP云平台(iuap) 之数据智能驱动实现商业创新 迅猛发展的新一轮信息技术,例如低代码应用平台、深度神经网络、边缘人工智能、高级计算机视觉等当下影响力极高的热点领域,正逐步渗透到企业实际业务中,驱动新一轮商业变革加速演进,落地新应用,赋能新组织,实现新供给和新消费,构建数字信任机制,形成社会级数字生态共同体。 在2020年度,北京大学发布数字生态指
人工智能 神经网络激活函数 目的 神经元引入非线性因素,从而使神经网络能够解决线性不可分的问题,比如最简单的异或。 Hornik证明,只需一个包含足够多的神经元的隐层,多层前馈网络就能以任意精度逼近任意复杂度的连续函数。因此使得神经网络可以任意逼近任何非线性函数,这样神经网络就可以应用到众多的非线性模型中。 如果不用激励函数,
人工智能 R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析 首页 专栏 算法 文章详情 0 R语言用神经网络改进Nelson-Siegel模型拟合收益率曲线分析 LT_Ge 发布于 2 月 12 日 原文链接:http://tecdat.cn/?p=11878 Nelson-Siegel- [Svensson]模型是拟合收益
人工智能 云上故事 | “电”亮数字生活,阿里云助力南方电网智能调度 首页 专栏 算法 文章详情 0 云上故事 | “电”亮数字生活,阿里云助力南方电网智能调度 阿里云开发者 发布于 5 月 7 日 简介:要评选全球最耗电的城市,非赌城拉斯维加斯莫属。提起这个名字,首先让人想到的就是纸醉金迷、夜夜笙歌的娱乐生活。如此造成的耗电量
人工智能 YOLOv4: Darknet 如何于 Ubuntu 编译,及使用 Python 接口 本文将介绍 YOLOv4 官方 Darknet 实现,如何于 Ubuntu 18.04 编译,及使用 Python 接口。 主要内容有: 准备基础环境: Nvidia Driver, CUDA, cuDNN, CMake, Python 编译应用环境: OpenCV, Darknet 用预训练模型进
人工智能 RPA、VPA知多少 首页 专栏 前端 文章详情 0 RPA、VPA知多少 承运 发布于 5 月 19 日 RPA RPA是Robotic process automation的缩写,即机器人流程自动化。企业通过部署RPA数字工具,可以协助企业员工去处理大量基于规则的、重复的工作流程
人工智能 PANDAS: 新手教程 一 作者|Ankit Goel编译|VK来源|Towards Data Science Pandas是一个强大的开源数据分析和操作库。它可以帮助你对数据进行各种操作,并生成有关它的不同报告。我将把这篇文章分成两篇 基本知识-我将在这个故事中介绍。我将介绍Pandas的基本功能,这些功能将使你大致了解如何
人工智能 码农饭碗一夜被砸!真正的 AI 程序员,来了! 过去一年,AI 编程工具以超出想象的迭代速度,彻底改变了我们写代码的方式。 这些改变大多围绕着一个核心:如何让 AI 更好地辅助程序员。而 Google 却在尝试:让 AI 成为真正的程序员。 就在上周的谷歌 I/O 大会上,他们向全球开放了 Jules&nb
人工智能 R语言计算资本资产定价模型(CAPM)中的Beta值和可视化 原文链接:http://tecdat.cn/?p=22588 今天我们将计算投资组合收益的CAPM贝塔。这需要拟合一个线性模型,得到可视化,从资产收益的角度考虑我们的结果的意义。 简单的背景介绍,资本资产定价模型(CAPM)是由威廉·夏普(William Sharpe)创建的一个模型,它
人工智能 R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归 首页 专栏 算法 文章详情 0 R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归 拓端tecdat 发布于 3 月 8 日 原文链接:http://tecdat.cn/?p=20882 1导言 这篇文章探讨了为什么使用广义相加模型 是
人工智能 R语言ISLR工资数据进行多项式回归和样条回归分析 首页 专栏 算法 文章详情 0 R语言ISLR工资数据进行多项式回归和样条回归分析 拓端tecdat 发布于 2 月 24 日 原文链接:http://tecdat.cn/?p=8531 执行多项式回归使用 age预测 wage。使用交叉验证为多项式选择最佳次数。选