SeafyLiang的博客

AI算法模型线上部署方法总结一、机器学习算法线上部署方法1.1 三种场景1.2 如何转换PMML，并封装PMML1.3 接下来说一下各个算法工具的工程实践1.3.1 python模型上线：我们目前使用了模型转换成PMML上线方法。1.3.2 R模型上线-这块我们用的多，可以用R model转换PMML的方式来实现。1.3.3 Spark模型上线-好处是脱离了环境，速度快。1.4 只用Linux的Shell来调度模型的实现方法—简单粗暴1.5 说完了部署上线，说一下模型数据流转的注意事项二、机器学习算法的部署

智能语音助手调研需求：方案一：百度智能对话AI产品（3个）方案二：阿里AI语音助手方案三：科大讯飞语音助手部署方式：不收费版本：集成方案简单可行方案及开源代码????????????一、Pocketsphinx二、基于PPASR的语音识别三、基于ASRT的语音识别需求：像百度等是否有语音智能助手，利用语音来检索知识可以私有化部署方案一：百度智能对话AI产品（3个）百度AI市场-智能对话百度-DuerOS智能语音助理解决方案DuerOS智能语音手机助手百度智能对话定制与服务平台UNIT

常见时序算法集合学习资料1：十大时序算法模型十大时序算法模型学习资料2：Kats时间序列王器-Kats1. Kats的优势2. Kats的功能学习资料3：NeuralProphetNeuralProphet1. Prophet2. NeuralProphet3. NeuralProphet VS Prophet学习资料4：ProphetProphet 简介Prophet 适用场景Prophet 算法的输入输出Prophet 算法原理与机器学习算法的对比代码参考资料官方链接：案例链接：学习资料1：十大时序算

Autoencoder异常检测 - Paddle2.0实现时序数据异常检测Autoencoder异常检测 - Paddle2.0实现时序数据异常检测1.Autoencoder简介2.Autoencoder无监督异常检测3.Paddle2.0基于AUTOENCODER实现异常时序检测4.参考内容：Autoencoder异常检测 - Paddle2.0实现时序数据异常检测Autoencoder算法是一种常见的基于神经网络的无监督学习降维方法。1.Autoencoder简介Autoencoder，中文称作

深度学习DeepLearning - 自学笔记02 -飞桨线性回归房价预测飞桨安装案例说明及代码1.库文件2.数据预处理3.搭建神经网络4.训练配置5.模型训练6.保存并测试模型飞桨安装# 首先更新pippip3 install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple# 安装paddlepaddlepip3 install paddlepaddle -i https://pypi.tuna.tsinghua.edu.cn

深度学习自学笔记01数学基础与Python库1.1 Python - python之禅1.2 数学基础1.2.1 线性代数基础1.2.2 微积分基础1.3 Python库的操作1.3.1 Numpy操作1.3.2 Matplotlib操作1.4 本章小结数学基础与Python库1.1 Python - python之禅import this# 在Ipython中执行以上代码，可得到如下内容。The Zen of Python, by Tim PetersBeautiful is better