- ML：MLOps系列讲解之《基于ML的软件的三个层次》解读 导读：您将了解基于ML的软件的三个核心元素——数据、ML模型和代码。特别地，我们会将讨论： (1)、数据工程管道 (2)、ML管道和ML工作流。 (3)、模型服务模式和部署策略 ML/AI迅速被新的应用程序和行业采用。如前所述，机器学习项目的目标是利用收集到的数... ML：MLOps系列讲解之《基于ML的软件的三个层次》解读 导读：您将了解基于ML的软件的三个核心元素——数据、ML模型和代码。特别地，我们会将讨论： (1)、数据工程管道 (2)、ML管道和ML工作流。 (3)、模型服务模式和部署策略 ML/AI迅速被新的应用程序和行业采用。如前所述，机器学习项目的目标是利用收集到的数...
- 初入机器学习，无论是在书本上，还是在学习平台上，第一个介绍的就是监督学习，那么什么是监督学习呢？监督——顾名思义，把你“看着学习”，说的直白一点就是让你的计算机明白一种规律，并且按照这种规律进行大量的学习，最后通过该规律进行预测或者分类。 生活中有垃圾分类，也有物品的好坏分类，在这个世界上凡事存在的东西，我们都会给它定义一个属性，人也... 初入机器学习，无论是在书本上，还是在学习平台上，第一个介绍的就是监督学习，那么什么是监督学习呢？监督——顾名思义，把你“看着学习”，说的直白一点就是让你的计算机明白一种规律，并且按照这种规律进行大量的学习，最后通过该规律进行预测或者分类。 生活中有垃圾分类，也有物品的好坏分类，在这个世界上凡事存在的东西，我们都会给它定义一个属性，人也...
- ... ...
- ML：MLOps系列讲解之《MLOps的定义与发展—你为什么可能想使用机器学习》解读 导读：您将了解如何使用机器学习，了解需要管理的各种变更场景，以及基于ml的软件开发的迭代性质。最后，我们提供了MLOps的定义，并展示了MLOps的发展。 目录 《MLOps的定义与发展—你为什么可能想使用机器学习》解读 ... ML：MLOps系列讲解之《MLOps的定义与发展—你为什么可能想使用机器学习》解读 导读：您将了解如何使用机器学习，了解需要管理的各种变更场景，以及基于ml的软件开发的迭代性质。最后，我们提供了MLOps的定义，并展示了MLOps的发展。 目录 《MLOps的定义与发展—你为什么可能想使用机器学习》解读 ...
- ML：MLOps系列讲解之《设计机器学习驱动的(ML-powered)软件—我们想要解决的业务问题是什么？》解读 导读：设计机器学习驱动的软件，这部分致力于任何软件项目中最重要的阶段之一——理解业务问题和需求。 由于这些同样适用于基于 ML 的软件，因此您需要确保在开始设计之前有一个很好的理解。 任何软件项目中最重要的阶段都是理... ML：MLOps系列讲解之《设计机器学习驱动的(ML-powered)软件—我们想要解决的业务问题是什么？》解读 导读：设计机器学习驱动的软件，这部分致力于任何软件项目中最重要的阶段之一——理解业务问题和需求。 由于这些同样适用于基于 ML 的软件，因此您需要确保在开始设计之前有一个很好的理解。 任何软件项目中最重要的阶段都是理...
- 📢📢📢📣📣📣 🌻🌻🌻Hello，大家好我叫是Dream呀，一个有趣的Python博主，多多关照😜😜😜 🏅🏅🏅CSDN Python领域优质创作者，大二在读，欢迎大家... 📢📢📢📣📣📣 🌻🌻🌻Hello，大家好我叫是Dream呀，一个有趣的Python博主，多多关照😜😜😜 🏅🏅🏅CSDN Python领域优质创作者，大二在读，欢迎大家...
- 学习心得 （1）从optimization的角度,来说明相较於Mean Square Error，交叉熵Cross-entropy是被更常用在分类上 （2）网络设计技巧 【李宏毅深度学习】(task5)... 学习心得 （1）从optimization的角度,来说明相较於Mean Square Error，交叉熵Cross-entropy是被更常用在分类上 （2）网络设计技巧 【李宏毅深度学习】(task5)...
- 一.监督学习 利用一组带有标签的数据，学习从输入到输出的映射，然后将这种映射关系应用到未知数据上，达到分类或回归的目的。 分类：当输出是离散的，学习任务为分类任务。 回归：当输出是连续的，学习任务为回归任务。 二.分类学习 输入：一组有标签的训练数据(也称观察和评估)，标签表明了这些数据（观察）的所署类别。 输出：分类模型根据这些... 一.监督学习 利用一组带有标签的数据，学习从输入到输出的映射，然后将这种映射关系应用到未知数据上，达到分类或回归的目的。 分类：当输出是离散的，学习任务为分类任务。 回归：当输出是连续的，学习任务为回归任务。 二.分类学习 输入：一组有标签的训练数据(也称观察和评估)，标签表明了这些数据（观察）的所署类别。 输出：分类模型根据这些...
- 选自towardsdatascience;作者：Daniel Bourke 机器之心编译;参与：韩放、一鸣 都说做一件事情最好的时机就是「现在」，但是从何开始往往会难倒一大批人，更不用说是想要入门数据科学和机器学习的朋友了。本文是一篇科普扫盲文章，作者以初学者的视角，为同样想「入坑」的读者们提供了一些建议，还有一些可以获得的学... 选自towardsdatascience;作者：Daniel Bourke 机器之心编译;参与：韩放、一鸣 都说做一件事情最好的时机就是「现在」，但是从何开始往往会难倒一大批人，更不用说是想要入门数据科学和机器学习的朋友了。本文是一篇科普扫盲文章，作者以初学者的视角，为同样想「入坑」的读者们提供了一些建议，还有一些可以获得的学...
- 文章目录 第一部分：深度学习和机器学习一、机器学习任务二、ML和DL区别（1）数据加载（2）模型实现（3）训练过程 第二部分：Pytorch部分一、学习资源二、自动求导机制2.1 tor... 文章目录 第一部分：深度学习和机器学习一、机器学习任务二、ML和DL区别（1）数据加载（2）模型实现（3）训练过程 第二部分：Pytorch部分一、学习资源二、自动求导机制2.1 tor...
- 学习总结 （1）回顾 fine tune BERT 解决新的下游任务的5个步骤： 1）准备原始文本数据 2）将原始文本转换成BERT相容的输入格式（重点，如下图所示） 3）在BERT之上加入新layer... 学习总结 （1）回顾 fine tune BERT 解决新的下游任务的5个步骤： 1）准备原始文本数据 2）将原始文本转换成BERT相容的输入格式（重点，如下图所示） 3）在BERT之上加入新layer...
- 学习总结 交换律： tr ... 学习总结 交换律： tr ...
- 学习总结 （1）adam和dropout是算法岗面试的常考题，下面的问题是源自斯坦福大学NLP的CS224n作业assignment3的2道题。深度学习的优化算法一般分为两类：1）调整学习率，使得优化更... 学习总结 （1）adam和dropout是算法岗面试的常考题，下面的问题是源自斯坦福大学NLP的CS224n作业assignment3的2道题。深度学习的优化算法一般分为两类：1）调整学习率，使得优化更...
- 文章目录 一、官方代码1.1 加载数据1.2 Unsupervised Loss1.3 Models1.4 评估与模型使用1.5 Main 二、PyG版本class SAGEConv(Mess... 文章目录 一、官方代码1.1 加载数据1.2 Unsupervised Loss1.3 Models1.4 评估与模型使用1.5 Main 二、PyG版本class SAGEConv(Mess...
- 学习总结 （1）五种主流的推荐模型离线评估方法：Holdout 检验、交叉检验、自助法、时间切割和离线 Replay。Holdout 检验最简单常用，它通过随机划分的方式把样本集划分成训练集和测试集。而... 学习总结 （1）五种主流的推荐模型离线评估方法：Holdout 检验、交叉检验、自助法、时间切割和离线 Replay。Holdout 检验最简单常用，它通过随机划分的方式把样本集划分成训练集和测试集。而...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签