机器学习
机器学习
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。...(more)
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

动态

大语言模型·5分钟前
仙守 苏宁易购   擅长领域:人工智能, 大语言模型, 机器学习
DSSM双塔模型用于解决语义相似度任务和推荐场景,包含n+1个塔,输入为高维向量,输出为低维语义向量,通过cos值计算相似度,使用不同的label构造不同的模型,通过相似度函数计算相关性,基于pytorch实现。...(more)
浏览446
dengjf99 课题专家组 某股份制银行   擅长领域:人工智能, 大语言模型, 服务器
16 会员关注
数据清洗在长尾场景下需注意数据原始性、质量标准、验证、转换、填充、异常值处理、特征选择、平滑、标注、微调、隐私保护、去重等,高质量数据集对机器学习模型训练至关重要,企业数字化和数据治理水平也很重要。...(more)
浏览4192
大语言模型·2024-05-15
仙守 苏宁易购   擅长领域:人工智能, 大语言模型, 机器学习
GPT是一种预训练语言模型,可用于自然语言处理任务。它采用生成式预训练和判别式任务微调的方法,使得模型搭建更简单。适配不同任务的输入形式是一个问题,但通过增加应用层级的网络和有监督微调,可以解决。使用huggingface的模型调用和微调也变得更加简单。...(more)
浏览1500
AI·2024-05-14
仙守 苏宁易购   擅长领域:人工智能, 大语言模型, 机器学习
本文介绍了基于BERT的自然语言处理中的任务和实现方法,包括文本分类、问答系统、命名实体识别和预训练任务等。通过对文本进行编码和向量化,可以实现各种任务的分类和预测。
浏览2303
机械装备cpu· 2024-05-10
waring_id 某公司   擅长领域:服务器, 数据库, 存储
10 会员关注
1、尽量将服务器资源整合,例如2路服务器、4路服务器内存尽量配置成平均水平2、针对不同类型的CPU(指令集一致和核数差不多)服务器做群集,针对不同的群集做资源调度
CMDB·2024-05-07
smtpclient 联盟成员 金电集团   擅长领域:信创, 云计算, 服务器
早期运维基本都是基于监控告警系统和CMDB系统完成的,相对比较简单直接,但人力投入较大,不知道现在的运维架构发展成什么样了。实现运维数据与算法相结合,做到运维自动化、智能化,应该是运维数字化的发展方向 ,再高一层的智能决策和故障自愈,估计还需要很长时间的探索。目前有什...(more)
专栏: 趋势观点 
浏览5285
评论8
大语言模型·2024-05-06
Luga Lee 联盟成员 None   擅长领域:云计算, 容器, 容器云
46 会员关注
多任务学习(MTL)通过共享表示来同时训练模型以处理多个相关任务,提高泛化能力和个体任务的适应能力。参数共享策略包括硬参数共享和软参数共享,需考虑任务相关性、模型复杂度和训练数据量等因素。...(more)
浏览1814
制造·2024-04-29
Qq 联盟成员 红宇精密   擅长领域:云计算, HPC, 机器学习
4 会员关注
制造企业可通过HPC算力预测、优化资源、混合云解决方案等方式提高效率,注意成本、技术、数据安全等挑战,确保高效运行。
浏览3234
评论3
汽车数据安全· 2024-04-28
匿名用户
在高性能计算(HPC)平台上使用公共云服务时,数据安全是一个重要考量,特别是因为这些平台经常处理大量敏感数据。为了有效保证公共云中HPC平台的数据安全,可以采用多种策略和技术。以下是一些关键的安全措施:数据加密传输中加密:使用SSL/TLS等协议确保数据在传输过程中的安全。静...(more)
制造·2024-04-26
yfgtadmin 联盟成员 zk   擅长领域:HPC, 云计算, 机器学习
分享内容确实干货满满,非常赞同三大优化方向,三大优化方向实施起来对人员技术水平要求还是非常高的,实施的时间跨度可能也很长,希望专家提供一些建设原则和实施经验,在平台建设之初就避免一些问题。...(more)
浏览1793
评论3

描述

机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。...(more)
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。
X社区推广
  • 提问题