机器学习吧
社区干货
深入云原生—基于KubeWharf深度剖析-以公司实际应用场景为例深度解读|社区征文
存储和机器学习云原生化等场景。KubeWharf 由以下项目组成:● KubeBrain 是一个高性能的 Kubernetes 元数据系统,用于存储和管理 Kubernetes 集群的元数据。 ● KubeZoo 是一个轻...
从混合部署到融合调度:字节跳动容器调度技术演进之路
[picture.image](https://p6-volc-community-sign.byteimg.com/tos-cn-i-tlddhu82om/91cc8ae73f8a4d338b0a74bdf9e91217~tplv-tlddhu82om-image.image?=&rk3s=8031ce6d&x-expires=1714926057&x-signature=8BpHqLdOyTw3pp8U%2BW%2FVyNV84HA%3D)作者 | 字节跳动基础架构字节服务体系大致分为微服务、推广搜服务、视频处理、机器学习和大数据服务。在线微服务是指支撑应用的业务逻辑、产品基础功能的后端服务,它包括接...
迁移回归问题新突破,火山语音团队论文被人工智能顶级期刊 IEEE TPAMI 接收
再次接收了火山语音团队有关机器学习的技术研究成果,即“ **基于自适应迁移核函数的迁移高斯回归模型”( ADATPITVE TRANSFER KERNEL LEARNING FOR TRANSFER GAUSSIAN PROCESS REGRESSION)** https://ieeexplore.ieee.org/abstract/document/9937157
特惠活动
机器学习吧-优选内容
机器学习吧-相关内容
新增 2 开源项目进入 CNCF 云原生全景图
存储和机器学习云原生化等场景。来源 | KubeWharf 社区近日,字节跳动 2 个云原生开源项目 [**Katalyst**](http://mp.weixin.qq.com/s?__biz=Mzk0NDMzNjkxNw==&mid=2247484922&idx=1&sn=fb8922282b6215f28f69a3d9e23fa855&chksm=c3277c80f450f596fa53c910a75c38e3c22ff864782ec626a0a9842be736dd8ea006d0f2f6b8&scene=21#wechat_redirect) 和 [**KubeAdmiral**](http://mp.weixin.qq.com/s?__biz=M...
新增 2 开源项目进入 CNCF 云原生全景图
存储和机器学习云原生化等场景。来源 | KubeWharf 社区近日,字节跳动 2 个云原生开源项目 [**Katalyst**](http://mp.weixin.qq.com/s?__biz=Mzk0NDMzNjkxNw==&mid=2247484922&idx=1&sn=fb8922282b6215f28f69a3d9e23fa855&chksm=c3277c80f450f596fa53c910a75c38e3c22ff864782ec626a0a9842be736dd8ea006d0f2f6b8&scene=21#wechat_redirect) 和 [**KubeAdmiral**](http://mp.weixin.qq.com/s?__biz=M...
字节跳动正式开源分布式训练调度框架 Primus
**动手点关注****** **干货不迷路**项目地址:https://github.com/bytedance/primus 随着机器学习的发展,模型及训练模型所需...
机器学习
1.功能概述 机器学习,是指可视化建模支持机器学习算子,对数据进行加工处理,以便用户基于数据进行模型训练、深度分析、预测分析等。本文将为您介绍机器学习算子的功能。 2.算子介绍 2.1 预测将机器学习算子训练生成的模型应用于预测数据的数据上,一般链接在机器学习算子后面。 说明 字段设置 特征列映射:设置模型中的特征列和数据中的特征列的映射关系。 标签列: 标签列,分类训练的依据。 参数设置 预测的列名:预测的列的名字。 ...
机器学习
1. 概述 机器学习,是指可视化建模支持机器学习算子,对数据进行加工处理,以便用户基于数据进行模型训练、深度分析、预测分析等。本文将为您介绍机器学习算子的功能。 2. 功能介绍 2.1 预测将机器学习算子训练生成的模型应用于预测数据的数据上,一般链接在机器学习算子后面。字段设置特征列映射:设置模型中的特征列和数据中的特征列的映射关系。标签列:标签列,分类训练的依据。参数设置预测的列名:预测的列的名字。 2.2 one-hot 模...
浅谈AI机器学习及实践总结 | 社区征文
# 机器学习基础## 什么是机器学习机器学习是一种从数据生成规则、发现模型,来帮助我们预测、判断、分组和解决问题的技术。(机器学习是一种从数据中生产函数,而不是程序员直接编写函数的技术)说起函数就涉及到自变量和因变量,在机器学习中,把自变量叫做特征(feature)多个自变量分别可以定义为X1,X2..Xn,因变量叫做标签(label),可定义为Y,而一批特征和标签的集合,就是机器学习的数据集。机器学习的学习过程就是在已知的数据...
2023 年度总结—总结我今年的AI之路-多项目实战经验谈AI发展前景|社区征文
在学习AI的过程中,我深入了解了机器学习、深度学习、自然语言处理等关键技术,并对其在各个领域的应用有了更深刻的认识。## 🐬1.1 AIGC大模型学习体验有感说到总结,我觉得第一条就应该说一下现在爆火的Chatgpt了,我也是AIGC的深度依赖者。(当然写文不会用哈,只会辅助参考看一下相关知识,其实本人觉得深度使用的话,很多知识其实AIGC大模型是回答不好了,而且很多都是错误的答案。)在各个领域都表现出了强悍的水准。在学习中,我觉得机器学习具备巨大的潜力。近期接触了一个风险控制项目,务必涉及机器学习行业。因而,我就依据学习了解了机器学习领域的知识。本文将剖析机器学习在项目中的运用以及通过近期的项目分享一些经验。欢迎讨论~# 项目分享:智能风控系统## 背景介绍本项目的初衷是解决传统风险控制的一些缺陷。比如,传统方法一般采用系统及静态模型进行实时监控和预...
