機器學習 文章 進入機器學習技術(shù)社區(qū)
機器學習到底需要多少數(shù)據(jù)？可能并不是越多越好
- 機器學習中最值得問的一個問題是，到底需要多少數(shù)據(jù)才可以得到一個較好的模型?從理論角度，有Probably approximately correct (PAC) learning theory來描述在何種情況下，可以得到一個近似正確的模型。但從實用角度看，PAC的使用范圍還是比較局限的。所以今天我們主要想討論一個問題：到底如何定義有效數(shù)據(jù)量?！ ?. 數(shù)據(jù)的粒度(granularity) 數(shù)據(jù)的粒度可以理解為數(shù)據(jù)的細分程度，或者具體程度。舉
- 關(guān)鍵字： 機器學習
數(shù)據(jù)與機器學習領(lǐng)域進展緩慢 2018年這些公司成為最大贏家
- Gartner調(diào)查顯示，企業(yè)在數(shù)據(jù)和分析方面進展緩慢。很少有組織能夠在“轉(zhuǎn)型”級別使用數(shù)據(jù)，并且接近Gartner調(diào)查的三分之二組織仍在考慮“企業(yè)報告，以處理他們最關(guān)鍵的數(shù)據(jù)和分析應(yīng)用”。 Gartner副總裁Nick Heudecker提供了一些警示性建議：“機器學習和人工智能很容易被‘盜走’。但傳統(tǒng)形式的分析和商業(yè)智能仍然是組織當今如何運作的關(guān)鍵部分，而這在短期內(nèi)不太可能改變。” 企業(yè)如何判
- 關(guān)鍵字： 機器學習
流動計算與機器學習將全面釋放物聯(lián)網(wǎng)潛能
- 物聯(lián)網(wǎng)(IoT)最初是脫胎于機對機(M2M)技術(shù)，如今不僅已被各行各業(yè)的企業(yè)機構(gòu)列為頭等大事，而且已經(jīng)好幾年了。盡管如此，這個概念距離達到成熟期還有很長的路要走。這條道路將技術(shù)、經(jīng)濟和社會等諸多因素匯聚起來，共同創(chuàng)造新的數(shù)字化舞臺，服務(wù)于我們的生活、工作和娛樂。這是一個長遠的愿景，我們目前僅僅只是走在旅程的起步階段。 網(wǎng)絡(luò)化、智能化、自主化 大多數(shù)企業(yè)機構(gòu)都把物聯(lián)網(wǎng)看作是由多個階段構(gòu)成的整體。大致的思路都是先把設(shè)備連接起來，然后使它們智能化，最后使它們自主化。例如，自動駕駛汽車就是典型的自主化。早
- 關(guān)鍵字： 機器學習 物聯(lián)網(wǎng)
死亡和數(shù)據(jù)科學：看機器學習如何改善臨終關(guān)懷
- KenSci是一家為醫(yī)療行業(yè)開發(fā)機器學習風險預(yù)測平臺的公司，該公司最近發(fā)表了一篇關(guān)于預(yù)測臨終死亡率并改善護理的論文。 這篇論文針對的是一個非常棘手的話題，對患者的最近六至十二個月內(nèi)的死亡風險進行預(yù)測，它已經(jīng)被人工智能促進協(xié)會(Association for the Advancement of Artificial Intelligence)接受。處于危急關(guān)頭的是，在個人生命最后一年的護理花費了2050億美元。但這不僅僅是成本的問題。以下內(nèi)容摘自《死亡與數(shù)據(jù)科學：預(yù)測生命的終結(jié)》(《Death
- 關(guān)鍵字： 機器學習
2018年全球十大突破性技術(shù)是如何產(chǎn)生的？
- 《麻省理工科技評論》于近日揭曉2018 年“全球十大突破性技術(shù)”，這份全球新興科技領(lǐng)域的權(quán)威榜單至今已經(jīng)有 17 年的歷史。 1、給所有人的人工智能 AI for everyone 入選理由：將機器學習工具搬上云端，將有助于人工智能更廣泛的傳播 重大意義：目前，人工智能的應(yīng)用是受到少數(shù)幾家公司統(tǒng)治的。但其一旦與云技術(shù)相結(jié)合，那它將可以對許多人變得觸手可及，從而實現(xiàn)經(jīng)濟的爆發(fā)式增長。 主要研究者：Google,亞馬遜，阿里云，騰訊云，百度云，金山云，京東云
- 關(guān)鍵字： 機器學習 GAN
機器學習給制造業(yè)帶來巨大變革
- 科技進步不斷推動人類生產(chǎn)力的提升，從傳統(tǒng)的手工制造到自動化、網(wǎng)絡(luò)化和智能化的生產(chǎn)。今天新一代信息技術(shù)帶來了許多變化，人工智能逐漸應(yīng)用到工業(yè)制造等多個領(lǐng)域中去，并驅(qū)動了巨大的經(jīng)濟價值。 傳統(tǒng)制造業(yè)依賴于廉價的勞動力，通過大批量生產(chǎn)的方式獲取更高的回報。然而，今天的市場變得越來越多樣化，消費者的需求在不斷變化，要求工廠有快速生產(chǎn)出不同型號產(chǎn)品的能力。 自動化和機器換人解決了勞動力不足的問題，但想要滿足今天小批量、多樣化的生產(chǎn)要求還是達不到。實現(xiàn)更高效率的生產(chǎn)需要通過工業(yè)物聯(lián)網(wǎng)、大數(shù)據(jù)分析和人工
- 關(guān)鍵字： 機器學習 自動化
機器學習給制造業(yè)帶來巨大變革
- 科技進步不斷推動人類生產(chǎn)力的提升，傳統(tǒng)制造業(yè)依賴于廉價的勞動力，通過大批量生產(chǎn)的方式獲取更高的回報。采用機器學習改進生產(chǎn)系統(tǒng)，有利于企業(yè)提升業(yè)績效率。
- 關(guān)鍵字： 機器學習
Arm公布Project Trillium提供業(yè)界最具擴展性、應(yīng)用范圍最廣的機器學習計算平臺
- Arm公司近期宣布了其Project Trillium項目，這是一套包括新的高度可擴展處理器的Arm IP組合，這些產(chǎn)品可以提供增強的機器學習(ML)和神經(jīng)網(wǎng)絡(luò)(NN)功能。當前的技術(shù)產(chǎn)品主要針對移動設(shè)備市場，將讓全新的搭載機器學習功能的設(shè)備具有先進的計算能力，包括最先進的目標檢測功能?！ rm IP 產(chǎn)品事業(yè)部總裁 Rene Haas 表示：“隨著人工智能快速部署到終端設(shè)備，大量提升計算需求的同時，也要求保持出色的能效表現(xiàn)。&n
- 關(guān)鍵字： Arm 機器學習
2018 NI趨勢展望報告
- 我們進入21世紀已近20年，從自主學習機器人、價格不再遙不可及的基組測序、到無處不在的數(shù)據(jù)存儲，不可否認，技術(shù)的發(fā)展從未如此之快。以此速度面向未來，我們是時候?qū)徤魉伎嘉覀儗⑷ハ蚝畏?、我們該如何到達。
- 關(guān)鍵字： 機器學習，汽車
機器視覺-今日洞察和未來展望
- 為了比競爭對手更好地服務(wù)其目標客戶，當今的嵌入式設(shè)計團隊正在尋求機器學習(ML)和深度學習(DL)等新技術(shù)，以便在有限的資源下按時向市場開發(fā)和部署復(fù)雜的機器和設(shè)備。借助這些技術(shù)，團隊可以使用數(shù)據(jù)驅(qū)動的方法構(gòu)建復(fù)雜的單系統(tǒng)或多系統(tǒng)模型。?ML和DL算法不是使用基于物理學的模型來描述系統(tǒng)的行為，而是透過數(shù)據(jù)推斷出系統(tǒng)的模型。?傳統(tǒng)ML算法適用于處理數(shù)據(jù)量相對較小且問題的復(fù)雜度較低的情況。?但如果是像自動駕駛汽車這樣的大數(shù)據(jù)問題呢??解決這個挑戰(zhàn)需要采用DL技術(shù)。&n
- 關(guān)鍵字： 機器視覺 機器學習
三個核心要素幫你應(yīng)對機器學習挑戰(zhàn)
- 2016年，“機器學習”還只是被Gartner?視為一個“流行詞”，到如今，它已發(fā)展成為幾乎所有?IT?人士都在思考、探索或執(zhí)行的一件事。毫無疑問，基于數(shù)據(jù)的分析和預(yù)測(機器從信息資源中學習，然后通知業(yè)務(wù)部門及其他部門并影響其行動)已經(jīng)是當今迅速增長的最新、最熱門的技術(shù)領(lǐng)域之一。但對于那些正在進入機器學習領(lǐng)域的參與者來說，理想和現(xiàn)實之間仍無法平衡;正如每個不斷發(fā)展的新興事業(yè)一樣，基礎(chǔ)設(shè)施之水既能載舟，亦能覆舟?！ artner已經(jīng)確定了三種主要的最佳實踐，基礎(chǔ)設(shè)施和運營
- 關(guān)鍵字： 機器學習 人工智能
【E問E答】什么是數(shù)據(jù)科學、機器學習和AI？它們有啥區(qū)別？
- 當我進行以數(shù)據(jù)科學家進行自我介紹時，經(jīng)常會被問道：“數(shù)據(jù)科學和機器學習有什么區(qū)別?”或者“這是不是意味著你在研究人工智能?”所以我將通過本文進行回答?！ ∵@些領(lǐng)域確實有很多重疊的地方，但它們并不是一個領(lǐng)域：即使很難用語言表達，這些領(lǐng)域的大多數(shù)專家也都能直觀的理解特定的工作是如何被分類為數(shù)據(jù)科學、機器學習或人工智能的?！ ∷栽谶@篇文章中，我提出了關(guān)于這三個領(lǐng)域差異的簡化定義: ·數(shù)據(jù)科學產(chǎn)生洞察力?！ C器學習做出預(yù)測。 ·人工智能生成行為。 顯然，這不是一個充分條件：不是所有符合該定義的東西
- 關(guān)鍵字： 機器學習 AI
機器學習介紹
您好，目前還沒有人創(chuàng)建詞條機器學習!
歡迎您創(chuàng)建該詞條，闡述對機器學習的理解，并與今后在此搜索機器學習的朋友們分享。 創(chuàng)建詞條
歡迎您創(chuàng)建該詞條，闡述對機器學習的理解，并與今后在此搜索機器學習的朋友們分享。 創(chuàng)建詞條
機器學習相關(guān)帖子
機器學習資料下載
機器學習專欄文章
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會員服務(wù) -
網(wǎng)站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473