cxw9087-优快云博客

翻译人工智能 flow框架_通过Microsoft Flow轻松进入AI

人工智能 flow框架在过去的几年中，Microsoft的Power Platform已成为其开发人员产品的重要组成部分。 Power Platform也许是与1990年代的客户端-服务器应用程序和工具（如原始的Visual Basic）现代等效的工具，它是一系列快速的应用程序开发工具，旨在供开发人员和业务分析人员使用。 Power Platform建立在Dynamics业务线系统核心的通...

2020-06-25 20:58:30 586

翻译人工智能ai下海百度云_云AI就像核电

人工智能ai下海百度云在最近的一次演讲中，谷歌和Alphabet首席执行官Sundar Pichai呼吁在AI领域制定新的法规，重点显然是AI已被云计算商品化。鉴于我们正在辩论围绕AI技术使用的道德问题，这不足为奇：最重要的是，AI对于企业和不良参与者而言，如何轻松地为计算武器化。 Pichai强调了诸如面部识别和“深造假”之类的技术所带来的危险，在这种技术中，使用人工神经网络将一个人的...

2020-06-25 20:48:30 6201

翻译机器学习监督学习流程图解释_监督学习解释

机器学习监督学习流程图解释机器学习是人工智能的一个分支，其中包括用于根据数据自动创建模型的算法。在较高的级别上，有四种机器学习：监督学习，无监督学习，强化学习和主动机器学习。由于强化学习和主动机器学习相对较新，因此有时会从此类列表中将其省略。您也可以将半监督学习添加到列表中，这没错。 [理解机器学习的意义：人工智能，机器学习和深度学习：您需要知道的一切。 | 深度学习解释了 ...

2020-06-25 20:38:30 1386

翻译 aiops_您可以信任AIops吗？

aiops AIops（IT运营的人工智能）是那些很酷的流行语之一，实际上是另一个流行语的一部分：cloudops（云计算操作），它是所有流行语之母：云计算。一般而言，AIops的概念和AIops的工具类别确实是成熟的。至少在过去的几年中，传统操作工具领域中的大多数人都将AI引擎固定在工具上，并称为AIops。 [ 也在InfoWorld上：2020年的人工智能预测 ] 某...

2020-06-25 20:08:30 193

翻译无监督学习算法_无监督学习

无监督学习算法尽管有监督的机器学习和深度学习取得了成功，但有一种观点认为无监督的学习具有更大的潜力。监督学习系统的学习受到其培训的限制；即，监督学习系统只能学习经过培训的任务。相比之下，无监督系统理论上可以实现“人工通用情报”，这意味着有能力学习人类可以学习的任何任务。但是，该技术还不存在。如果监督学习的最大问题是标记训练数据的开销，那么无监督学习（未标记数据）的最大问题是它通常...

2020-06-25 19:58:30 897

翻译 azure 使用_如何在Windows 10中使用Azure ML

azure 使用微软为鼓励在Azure中使用机器学习模型做了很多工作，但在其生态系统的许多其他部分中仍有使用它们的范围。在Windows PC上，一种越来越重要的用途是将经过训练的模型带到您的台式机或嵌入式设备上。借助本地机器学习支持，无需担心将数据传送到云服务，尤其是在带宽可能成为问题的地方。您还可以在隐私可能成为问题以及法规控制数据传输和存储的地方保护数据。此模型在金融服务或医...

2020-06-25 19:38:30 141

翻译 ai面相api_AI如何改善API安全性

ai面相api API已成为组织数字化转型计划的皇冠上的明珠，使员工，合作伙伴，客户和其他利益相关者能够在其整个数字生态系统中访问应用程序，数据和业务功能。因此，难怪黑客增加了对这些关键企业资产的攻击浪潮。不幸的是，看来问题只会恶化。 Gartner预测，“到2022年，API滥用将成为导致企业Web应用程序数据泄露的最常见攻击媒介。” [ 也在InfoWorld上：人工智能，机...

2020-06-25 19:28:30 177

翻译 knime 大数据_如何使用Knime进行数据科学

knime 大数据 Knime（K是无声的，因此发音为nīm ）是一个高度评价的数据分析平台，具有广泛的适用性，并且与其他产品（例如与数据库，语言，机器学习框架和深度学习框架）进行了许多集成。 Knime的理念是包容性，并“融合”您要使用的任何软件和数据源。该平台的探索，模型构建，可视化，报告和开发部分以及社区扩展都是开源的。提供协作，自动化，管理和部署功能的Knime Server和合...

2020-06-25 19:18:30 1051

翻译监督学习、半监督学习_半监督学习解释

监督学习、半监督学习杰夫·贝佐斯（Jeff Bezos）在2017年亚马逊股东的来信中写了有关亚马逊语音驱动智能助手Alexa的一些有趣信息：在美国，英国和德国，通过增强Alexa的机器学习组件和使用半监督学习技术，在过去12个月中，我们已将Alexa的口语理解提高了25％以上。（这些半监督学习技术将实现相同精度提高所需的标记数据量减少了40倍！）鉴于这些结果，尝试对我们自己的分...

2020-06-25 19:08:30 247

翻译智能rpa_如何成功部署RPA

智能rpa （任何地方都可以进行自动化），投资回报率可以在一年内开始。它在投资回报率方面带来了快速的收益。” RPA是数字化转型的关键组成部分。 IT中央站成员表示，他们正在使用Automation Anywhere处理大型数字工作负载，同时提高生产力和降低成本，改变了公司的战略前景。阅读IT中央车站的PeerPaper，标题为RPA项目为何失败，以了解更多信息。以及如何避免。 ...

2020-06-25 18:58:30 542

翻译文本意思判断 ai_AI在判断您的个性吗？

文本意思判断 ai AirBnB希望在租用海滨别墅之前了解您是否具有“ Machiavellian”个性。该公司可能正在使用软件根据您在Facebook，Twitter和Instagram上发布的内容来判断您是否足够值得租用房屋。他们将使系统失去社交性，运行算法并获得结果。对于处于此过程另一端的人们来说，该过程将没有透明度-毫无知识-也没有上诉程序。该公司拥有一项技术专利...

2020-06-25 18:48:30 189

翻译 azure_初探Azure Synapse

azure Azure之类的超大规模云服务旨在处理大量数据，在购买存储硬件时会利用其规模经济优势。他们与必应（Bing）和Google等搜索引擎的密切关系使他们可以基于为分析公共互联网而开发的算法和工具。这种结合使它们成为构建需要处理海量数据集的应用程序的理想平台，而这在您自己的数据中心中是无法实现的。自成立之初，Microsoft就在Azure上提供了一系列数据和分析服务，从其自己S...

2020-06-25 18:38:30 1104

翻译 devops正在扼杀程序员_启动Devops程序的3种方法

devops正在扼杀程序员 Devops代表了开发和运营团队合作方式的文化变革，以及一系列推动自动化，可靠性和快速部署变更的最佳实践。一致性是由希望频繁将代码发布到生产环境的敏捷开发团队之间以及必须支持应用程序，数据库，基础结构和网络的高可靠性，安全性和可伸缩性的运营员工之间的共识所推动的。诸如CI / CD（连续集成和连续交付）和IaC（基础架构作为代码），使用容器构建的平台以及使用...

2020-06-25 18:28:30 394

翻译机器学习自动化要学习什么_如何自动化机器学习

机器学习自动化要学习什么 Paolo Tamagnini，Simon Schmid和Christian Dietz是KNIME的数据科学家和软件工程师。是否有可能完全自动化数据科学生命周期？是否可以根据一组数据自动构建机器学习模型？确实，在最近几个月中，出现了许多声称可以自动化全部或部分数据科学过程的工具。它们如何运作？你能自己建造一个吗？如果采用这些工具之一，则需要花...

2020-06-25 18:18:30 309

翻译 10个深度学习软件_关于深度学习的10个问题

10个深度学习软件如今您似乎无所不在，您会发现一篇文章，描述了在数据科学问题（或更具体地讲，在人工智能（AI）领域）中使用深度学习获得成功的策略。但是，对深度学习的清晰解释，为何如此强大以及深度学习在实践中采用的各种形式并不容易。为了进一步了解深度学习，神经网络，重大创新，使用最广泛的范例（深度学习在哪些地方有用，什么没用，甚至只是历史的一部分），我们提出并回答了一些基本问题。 ...

2020-06-25 18:08:30 370

强化学习视频讲解您可能已经听说过Google DeepMind的AlphaGo计划，该计划在2015年击败了2个单打的专业Go播放器时吸引了重大新闻。后来，改进的AlphaGo的发展继续击败了9个单盘（最高排名）的专业Go播放器在2016年，并在2017年5月成为世界排名第一的围棋选手。新一代软件AlphaZero在2017年末比AlphaGo强大得多，不仅学习了围棋，而且还学会了象棋和将棋...

2020-06-25 17:58:30 182

翻译 ml项目_A2ML项目使AutoML自动化

ml项目自动化机器学习工具供应商Auger.AI正在为多个基于云的AutoML服务开发Python API和工具，从而使数据科学家可以针对多个AutoML模型训练数据集，以产生最佳的预测模型。称为A2ML，对于Automate AutoML，该开放源代码项目由一个API和命令行工具组成，这些工具目前处于测试阶段。该计划要求为基于云的AutoML服务提供通用的API。开源API与“第二...

2020-06-25 17:48:30 140

翻译机器学习模型管理平台_如何管理机器学习模型

机器学习模型管理平台 Michael Berthold是KNIME的创始人兼首席执行官。在当今快节奏的分析开发环境中，数据科学家通常承担的任务远不只是建立机器学习模型并将其部署到生产中。现在，他们负责定期监视，微调，更新，再培训，替换和快速启动模型，在某些情况下，甚至是数百个甚至数千个模型。结果，出现了不同级别的模型管理。在下文中，我将重点介绍从单一模型管理到构建整个模型工厂的...

2020-06-25 17:38:30 853

翻译 knime 大数据_如何将KNIME用于数据科学

knime 大数据。 KNIME（K是无声的，因此发音为nīm ）是一个高度评价的数据分析平台，具有广泛的适用性，并且与其他产品（例如与数据库，语言，机器学习框架和深度学习框架）进行了许多集成。 KNIME的理念是包容性，并“融合”您要使用的任何软件和数据源。该平台的探索，模型构建，可视化，报告和开发部分以及社区扩展都是开源的。提供协作，自动化，管理和部署功能的KNIME...

2020-06-25 17:28:30 436

翻译深度学习算法和机器学习算法_机器学习算法说明

深度学习算法和机器学习算法机器学习和深度学习已被广泛接受，甚至更广泛地被误解了。在本文中，我想退一步并从基本的角度解释机器学习和深度学习，讨论一些最常见的机器学习算法，并解释这些算法与创建预测模型的其他难题之间的关系从历史数据。什么是机器学习算法？回想一下，机器学习是用于根据数据自动创建预测模型的一类方法。机器学习算法是机器学习的引擎，这意味着它将数据集转换为模型的算法。...

2020-06-25 17:18:30 1121

翻译机器学习算法 java_Java开发人员的机器学习，第1部分：机器学习算法

机器学习算法 java 无人驾驶汽车，面部检测软件和语音控制扬声器均基于机器学习技术和框架构建，而这些仅仅是第一波。在接下来的十年中，新一代产品将改变我们的世界，为软件开发以及我们创建和使用的应用程序和产品启动新的方法。作为Java开发人员，您想超越这一曲线，特别是因为高科技公司开始认真地投资于机器学习。今天所学的内容，可以在未来五年内继续发展，但是必须从某个地方开始。本文将帮助...

2020-06-25 16:58:30 216

翻译机器学习:kmeans_想要：更多类型的机器学习

机器学习:kmeans ML（机器学习）很方便。现在，公共云计算已经变得便宜了，我看到所有类型的基于云的应用程序都有效地应用了该技术。基本上，机器学习分为三种类型。 [ 也在InfoWorld上：人工智能，机器学习和深度学习：您需要知道的一切 ] 有监督的学习意味着我们必须直接训练知识库，为数据提供标签，例如人，动物或植物的图像。这倾向于与ML的事务性使用更加吻合，例如发现...

2020-06-25 16:38:30 62

翻译 aiops是什么_并非所有AIops工具都是一样的

aiops是什么 AIops正在成为支持云操作的操作工具的新规范。这项技术可以应用于所有类型的操作任务，提供智能自动化，可以在解决操作问题时进行学习。这些工具必须执行预编程的自我纠正过程，而AIops工具在这些过程中学习的能力将带来巨大的优势。例如，认识到性能问题可能是由网络攻击引起的饱和，应该启动安全性流程以进行防御。或超出性能阈值应自动启动更多资源，以使性能回到可接受的范围。 ...

2020-06-25 16:28:30 239

翻译高数答案同济答案_是，不是，这就是答案吗？

高数答案同济答案在“ 人工智能王国（仍然）腐烂 ”中，这是关于当前第二波AI的阿基里斯脚跟有用的知识，我提到这些阿基里斯的脚跟都是单一制造的：我们的基础技术是数字技术，或更准确地说，是离散技术。例如，当前的神经网络只是变相（带有隐藏规则）的基于数据驱动的基于规则的系统。最后，一台计算机就是一台图灵机，而我对它进行不同编程的事实并没有改变它的基本功能。而且这些功能有局限性，因为您想要的...

2020-06-25 16:18:30 138

翻译亚马逊的sagemaker_评论：Amazon SageMaker赶超

亚马逊的sagemaker 当我在2018年回顾Amazon SageMaker时，我注意到这是一种高度可扩展的机器学习和深度学习服务，支持自己的11种算法以及您提供的任何其他算法。超参数优化仍处于预览阶段，您需要进行自己的ETL和功能设计。从那时起，SageMaker的范围不断扩大，通过IDE（SageMaker Studio）和自动机器学习（SageMaker Autopilot）...

2020-06-25 16:08:30 137

翻译 aws 机器学习_AWS加强了SageMaker机器学习

aws 机器学习 Amazon Web Services扩展了其Amazon SageMaker机器学习工具包的功能，以解决企业在尝试实施机器学习时遇到的许多挑战，从模型组织，培训和优化到监视生产中模型的性能。 SageMaker 在2017年的亚马逊re：invent大会上启动，旨在通过整合内置模型管理的Jupyter笔记本电脑托管环境，使用EC2实例的自动启动培训环境以及HTTPS终端...

2020-06-25 15:58:30 128

翻译 hadoop大数据平台_Hadoop之外的3个大数据平台

hadoop大数据平台 Hadoop分布式文件系统，MapReduce编程框架以及用于在大型商用硬件集群上处理海量数据集的扩展工具系列，在十多年来，Hadoop一直是“大数据”的同义词。但是，没有任何技术可以永远吸引人们的注意。尽管Hadoop仍然是大数据平台的重要组成部分，但主要的Hadoop供应商（即Cloudera，Hortonworks和MapR）已经大大改变了他们的平台。曾经...

2020-06-25 15:48:30 353

翻译 ai模型_如何避免AI模型出现偏见

ai模型如今，人工智能（AI）的偏见备受争议。从不恰当地标记人脸的图像分类器到雇用在甄选求职者时歧视女性的机器人，人工智能似乎在继承自动复制的人类最坏习惯。风险在于我们将使用AI来创建一支种族主义，性别歧视，口臭的机器人大军，然后它们会再次困扰我们。这是一个道德困境。如果AI天生就有偏见，依靠它会不会有危险？我们最终会塑造最糟糕的未来吗？机器将是机器首先让我澄清一件事...

2020-06-25 15:38:30 133

翻译 ai让一条线变得平滑_AI在企业中变得真实（某种程度上）

ai让一条线变得平滑两年前，正如我在这篇文章中试图抓住的那样，人工智能（AI）达到了荒唐的期望的顶峰。今天？好吧，现实似乎已经悄然进入，这表明了公司如何接近AI，这一直是专注于低挂的水果，而不是月球。这是根据德勤第二版《企业中的AI状况》得出的，它揭示了一个越来越重视AI的世界。话虽如此，数据中仍然有一些令人头疼的问题。让我们深入研究报告。 [理解机器学习的意义：人工智...

2020-06-25 15:28:30 193

翻译 swift语言和c语言_Swift语言针对机器学习

swift语言和c语言迈向Swift 6， Apple的Swift编程语言背后的核心开发团队已经确定了优先事项，包括完善用于机器学习的语言。机器学习领域的雄心壮志是该语言“用户授权指南”计划投资的一部分。苹果并不是唯一一家拥有Swift技术的机器学习野心的公司。 Google在名为TensorFlow的Swift项目中将Swift与TensorFlow机器学习库集成在一起。 Swift...

2020-06-25 15:18:30 134

翻译 ai人工智能是如何建模_妨碍AI建模赛马

ai人工智能是如何建模技术市场成熟的一个重要里程碑是，领先的替代产品范围缩小到双向竞争。现在，它描述了AI建模框架的市场，在AI建模框架的环境中，数据科学家可以构建和训练统计驱动的计算图。 AI建模赛马的范围缩小到TensorFlow与PyTorch 如今，由Google开发的TensorFlow和由Facebook开发的PyTorch无疑是AI建模框架中的佼佼者，他们在使用率，份...

2020-06-25 15:08:30 621

翻译程序员教会我什么能力_什么手术教会了我关于云的知识

程序员教会我什么能力最近我换了肩膀。真的是我的错。我踢半职业橄榄球直到42岁，作为一名进攻边锋，我的肩膀跳动了一下。我只是想办法解决损坏问题，换一个新的肩膀。那些接受过手术的人都知道，大多数时间都花在等待上，例如检查，医生出面并通过判断，护士服用药物以及服用重要药物。这都是手术常规的一部分。 [了解有关企业界中AI的更多信息： AI可以真正为您的业务做什么（以及它不能做什么）...

2020-06-25 14:48:30 76

翻译人工智能时代的危机_如何解决AI的再现性危机

人工智能时代的危机在追求结果的过程中，可重复性经常被踩在脚下。转向敏捷方法论只会加剧AI的可再现性危机。没有可重复性，您就无法真正知道您的AI系统在做什么或将要做什么，而当您使用AI进行任何关键工作时，这将带来巨大的风险，从诊断医疗状况到驾驶卡车到筛查安全威胁再到管理准入时间的生产流程。数据科学家的自然倾向是在开发，培训和迭代机器学习，深度学习和其他AI模型时为了速度而跳过文档。 ...

2020-06-25 14:38:30 225

翻译 ai风险预警_减轻AI黑匣子的风险

ai风险预警企业对机器学习寄予厚望。然而，作为AI（人工智能）核心的机器学习也开始使许多企业法律和安全专业人员感到不安。围绕AI的最大担忧之一是，复杂的基于ML的模型通常充当“ 黑匣子” 。这意味着这些模型（尤其是由人工神经网络组成的“ 深度学习 ”模型）可能是如此复杂和神秘，以至于它们掩盖了它们实际如何推动自动推理的过程。同样令人担忧的是，基于ML的应用程序可能会无意中混淆了对其...

2020-06-25 14:28:30 149

翻译 ai人工智能将替代人类_检查AI偏见是人类的工作

ai人工智能将替代人类人工智能（AI）的主要问题之一是“人工”部分。另一个是“智能”。虽然我们想假装我们正在设置机器人智能，以摆脱人类的偏见和其他缺点，但实际上，我们经常将故障一次转移到AI中，一次一个数据集。数据科学家汉娜·戴维斯（Hannah Davis）指出了这一点，认为“数据集就是世界观”，充满了主观含义。但是她并没有放弃AI的希望，也提供了一些方法来改善我们告知AI的...

2020-06-25 14:08:30 121

翻译中心云和边缘云 ai芯片_2你不应该相信的云和AI神话

中心云和边缘云 ai芯片在技术界，我们有两个主要的缺点：我们过于渴望迎接未来，具有讽刺意味的是，在发展速度不如我们预期的那样快就忽略了它。举个例子，今天有两个持续存在的神话：第一，云支出正在使数据中心支出大打折扣；第二，人工智能过度炒作的蛇油在很大程度上使企业购买者失败。让我们按顺序整理。 [ 也在InfoWorld上：人工智能，机器学习和深度学习：您需要知道的一切 ] ...

2020-06-25 13:38:30 145

翻译机器学习算法简化数据集_7种云服务可简化机器学习

机器学习算法简化数据集数据分析是最后被吸纳到云中的繁琐工作之一。也许是因为科学家天生擅长编程，因此他们喜欢在办公桌上有一台机器。也许是因为实验室设备直接连接到计算机以记录数据。也许是因为数据集可能太大，以至于移动它们非常耗时。无论出于何种原因，科学家和数据分析人员都慢慢接受了远程计算，但是它们正在普及。用于机器学习，人工智能和数据分析的基于云的工具正在增长。其中某些原因引起了人...

2020-06-25 13:28:30 138

翻译机器学习基础要点_扩展机器学习的5个要点

机器学习基础要点根据Gartner最近的一项调查，许多公司才刚刚开始他们的机器学习之旅，并且37％的组织已经实施了人工智能。如果您打开了机器学习的大门，则可能需要在开始机器学习概念证明或AI，机器学习和深度学习的完整指南之前先复习10个问题。机器学习在不断发展，新的商业突破，科学进步，框架改进和最佳实践经常被报道。 [机器学习入门：什么是机器学习？从数据派生的软件，进行了...

2020-06-25 13:18:30 100

翻译 knime 时间序列预测_使用KNIME和Spark进行时间序列分析

knime 时间序列预测需求预测我认为我们都同意，知道未来的发展将使生活变得更加轻松。这对于生活事件，洗衣机和冰箱的价格或整个城市的电能需求都是如此。了解明天或下周需要多少瓶橄榄油，可以在零售商店中制定更好的进货计划。了解汽油或柴油价格可能上涨的情况，使货运公司可以更好地计划其财务状况。这种知识可以提供帮助的例子数不胜数。需求预测是数据科学的一大分支。其目标是使用历史数据...

2020-06-25 12:58:30 821

翻译奥莱利（O'Reilly）亲自参加活动

在COVID-19病毒大流行之后，著名的技术会议生产商O'Reilly永久关闭了其活动业务。从现在开始，O'Reilly活动将在线举行。 O'Reilly在3月24日的公告中指出， OSCON （O'Reilly开源软件会议）和Strata Data＆AI会议等事件的产生者指出，病毒对其现场事件部门的影响。作为回应，该公司最近将原定于上周在圣何塞举行的Strata会议改为在线形式，吸引...

2020-06-25 12:48:30 105

空空如也

空空如也