首页 文章 精选 留言 我的

精选列表

搜索[AI Agent],共10000篇文章
优秀的个人博客,低调大师

kubernetes 运行AI任务实践 资料下载

分享嘉宾 徐晓舟 2015年加入阿里巴巴基础产品事业部-容器平台-容器服务高级开发工程师多年容器平台产品开发经验目前主要负责参与Kubernetes专有云与Kubernetes深度学习解决方案的研发工作 主题介绍 Kubernetes与深度学习介绍 阿里云的Kubernetes深度学习解决方案 Kubeflow社区与阿里云的Kubernetes深度学习工具:Arena 场景最佳实践: GPU 共享 GPU 监控 GPU 与弹性结合 回放视频 观看地址:https://yq.aliyun.com/live/1004 PPT精彩一览 PPT下载 下载地址:https://yq.aliyun.com/download/3526 下期直播 直播主题:GitOps:Kubernetes多集群环境下的高效CICD实践 直播嘉宾:流生——阿里云容器服务高级开发工程师直播时

优秀的个人博客,低调大师

言简意赅了解十大常见AI算法

感知机 二分类 二分类的线性分类模型,也是判别模型。 目的是求出把训练数据进行线性划分的分离超平面。 感知机是神经网络和支持向量机的基础。 学习策略:极小化损失函数。损失函数对应于误分类点到分离超平面的总距离。 基于随机梯度下降法对损失函数的最优化算法,有原始形式和对偶形式。 K近邻法 K-nearest neighbor, K-NN 多分类和回归 是一种分类和回归方法,有监督学习。在训练数据集中找到和新的输入实例最接近的K个实例,这k个实例的多数类别就是这个新实例的类别。 三要素:K的选择,距离度量,分类决策规则。 实现方法:kd树(二叉树)快速搜索K个最近邻的点。 K值选择:反映了对近似误差和估计误差的权衡。交叉验证选择最优的K值,K小,模型复杂,K大,模型简答。 朴素贝叶斯法 多分类 用于NLP 朴素贝叶斯法是基于贝叶斯定理和特征条件独立假设的分类方法。首先学习输入输出的联合概率分布,然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y。 后验概率最大等价于0-1损失函数的期望风险最小化。 是典型的生成学习方法,由训练数据求出联合概率分布,再求出条件概率分布(后验概率)。 概率估计方法是:极大似然估计或者贝叶斯估计。 基本假设是条件独立性 决策树 decision tree 多分类,回归 是一种分类和回归算法。包括三个步骤:特征选择,决策树生成和决策树的修剪,常用算法:ID3,C4.5,CART 逻辑斯地回归和最大熵模型 多分类 本质就是给线性回归添加了对数函数 它的核心思想是,如果线性回归的结果输出是一个连续值,而值的范围是无法限定的,那我们有没有办法把这个结果值映射为可以帮助我们判断的结果呢。 而如果输出结果是 (0,1) 的一个概率值,这个问题就很清楚了。我们在数学上找了一圈,还真就找着这样一个简单的函数了,就是很神奇的sigmoid函数(如下): 逻辑回归用于二分类和多分类 逻辑斯地分布是S型曲线 最大熵模型:熵最大的模型是最好的模型。 X服从均匀分布时候,熵最大 最大熵模型的学习等价于约束最优化问题。 对偶函数的极大化等价于最大熵模型的极大似然估计。 模型学习的最优化算法有:改进的迭代尺度法IIS,梯度下降法,牛顿法,或者拟牛顿法 支持向量机 二分类 线性可分支持向量机利用间隔最大化求最优分离超平面。 函数间隔表示分类预测的正确性和确信度 几何间隔是样本点到超平面的距离最近的点 线性支持向量机和硬间隔最大化 带有特异点的线性支持向量机和软间隔最大化 非线性支持向量机和核函数 提升方法boosting 二分类 分类问题中,改变训练样本权重,学习多个分类器,然后把多个分类器进行线性组合,提高分类性能。 EM算法及其推广 概率模型参数估计 EM算法用于含有隐变量的概率模型参数的极大似然估计的迭代算法。 分两步:E步,求期望Expectation,M步,求极大Maximization 隐马尔科夫模型 hidden Markov model,HMM 标注问题 生成模型 NLP 是用于标注问题的统计学模型,描述由隐藏的马尔科夫链随机生成观测序列的过程,属于生成模型。表示状态序列和观测序列的联合分布,状态序列是隐藏的。 标注问题是给定观测序列预测对应的标记序列。 概率计算:计算在模型下观测序列出现的概率。前向,后向算法是通过递推的计算前后向概率可以高效进行隐马尔科夫模型的概率计算。 学习问题:在模型下让观测序列概率最大,用极大似然估计法估计参数。极大后验概率估计。具体算法有:概率计算公式和EM算法。 预测问题:维特比算法应用动态规划高效的求解最优路径,即概率最大的状态序列。 条件随机场 CRF 标注问题 判别模型 NLP conditional random field CRF是给定输入随机变量X条件下,输出随机变量Y的条件概率分布模型,其形式为参数化的对数线性模型。最大特点是假设输出变量之间的联合概率分布构成概率 无向图模型(马尔科夫随机场),属于判别模型。 线性链条件随机场表示为在观测序列条件下的标记序列的条件概率分布。由参数化的对数线性模型表示。 概率计算采用前后向算法 学习方法:(正则化的)极大似然估计法:即在给定训练数据下,通过极大化训练数据的对数似然函数来估计模型参数。具体的算法有:迭代尺度算法,梯度下降法,拟牛顿法。 应用:标注。维特比法:给定观测序列,求条件概率最大的标记序列的方法。 原文发布时间为:2018-10-22 本文作者:Jack Yang 本文来自云栖社区合作伙伴“ 深度学习自然语言处理”,了解相关信息可以关注“ 深度学习自然语言处理”。

优秀的个人博客,低调大师

BigThink强推:AI的十本必读佳作

在我们的整个历史长河中,人工智能一直属于一个疯狂的梦想,有时甚至被视为噩梦。 自从达芬奇在十五世纪创造了一个自动机械骑士以来,我们已经有了长足的进步。在过去的一个世纪里,人工智能已经进一步深入到我们的现实和日常生活中,毫无疑问,现在我们正在进入一个新的智能时代。 早期的计算技术引入了处理机器模拟智能的计算机科学的一个新分支。近年来,我们将A.I. 应用于一些常见任务,例如在国际象棋比赛和其他游戏中利用计算机和人进行对抗。 但是,由于计算机技术的进步,现今的A.I.技术比以前快10倍。A.I. 也可以被定义为机器模仿人类行为的能力。圣杯被用来形容人工智能或AGI,就像大多数人在听到A.I.时可能会联想到的东西一样。通过先进的AGI,机器人理论上能够做到人类可以做的任何事情。这通常会让人想起拟人机器人管家或Westworld类型机器人的

优秀的个人博客,低调大师

50个“杀手级”AI项目 !(附链接)

这个世界上我们所创造的所有技术其实都只为一个目的而服务——“一步一个脚印地让生存更轻松”,但现在,事情的发展似乎有些停滞不前了。 毋庸置疑的是,数据的有效利用可以让我们清楚地了解正在发生的事情,解决现有的关键案例,并为未来带来创新性的应用。所以拥有的数据越多,使用人工智能和机器学习技术,就可以更高效的处理流程。 但是,现在的我们似乎走进了一个误区——不应该把所有的技术改进用于消除人为力量的干预,而应该充分利用它们来节省我们的“宝贵时间”。也就是意味着,技术的进步并不是要根除人才的实施,而是要提高整体产出,这才是解决主观需要最重要的一点。 当然,数据只是我们建模时主动提供给机器的,有些数据会解决我们的问题,而其他也会破坏我们的系统。所以为了最大的利益,我们每个人都必须专注于如何用人工智能来改善事情。 本文就列举了一些人工智能技术领域内的项目

优秀的个人博客,低调大师

AWS推出基于AI的云安全服务

AWS本周一发布了新的云服务,并且宣布FICO和Hulu将其几个关键应用程序迁移到AWS的公有云上。 AWS本周发布的新服务包括将数据中心的企业工作负载迁移到云端的Migration Hub工具;管理、无服务提取、ETL服务的Glue;以及使用机器学习自动保护云端数据安全的Macie。AWS周一发布的这3个新服务已经可以供用户试用。 AWS的云架构策略副总裁Adrian Cockcroft在纽约AWS峰会的主旨演讲中表示,该公司的增强平台为企业提供了前所未有的支持。 新的云服务 Migration Hub能有效简化和加速发现,它需要盘点公司想要迁移的工作负载,然后在本地数据中心迁移到云端时跟踪和管理所有这些迁移。 与其他ETL平台不同,Glue是无服务器的。这意味着用户不需要提供或管理资源,只有在Glue运行时才需要为资源付费,它提供完全可管理的数据目录和ETL服务,并可以生成自定义代码来准备和加载用于分析的数据。 Beta客户包括21st Century Fox、News Corp、OST、online marketplace OLX Group。OST目前正在与Herman Miller合作,使用物联网(IoT)和机器学习来连接办公家具,以实现人体工程学评估的自动化。 Macie使用机器学习来自动对存储在Amazon S3中的数据进行数据保护,它能够识别敏感数据例如个人身份信息或知识产权,并为用户提供仪表板和警报,以便了解这些数据的访问和迁移。 AWS的人工智能总经理Matt Wood博士表示:“它包含了超过800种不同的文件类型,并且将遇到的风险分为低、中、高三种。”它能够对完全管理的服务进行持续的数据访问监控,并在检测到未经授权的访问风险或无意的数据泄露时生成详细的警报。 Autodesk和Netflix是使用Macie的AWS客户之一。 本文作者:佚名 来源:51CTO

资源下载

更多资源
优质分享App

优质分享App

近一个月的开发和优化,本站点的第一个app全新上线。该app采用极致压缩,本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

用户登录
用户注册
修改密码
忘记密码