Radar
-
为什么Java、Python会进入程序员最怕编程语言榜单
在 StackOverflow 的 2020 年度开发者调查中有一张表格，显示的是“最受欢迎、最令人畏惧和最想要的编程语言”。最受欢迎的和最...
-
2020年技术领导人需要关注的5大关键领域
O’Reilly online learning平台上有很多关键信息，涉及到技术领导者需要关注的趋势和问题。这也是我们年度使用率研究的数据来...
-
无服务器计算中的两个缺失链条：有状态计算和放置位置控制
由于无服务器计算的易编程性和易管理，近年来它得到了迅速的普及。许多人将其视为云服的下一个通用计算平台[4]。 但是，虽然...
-
在企业里管理机器学习：来自银行和医疗行业的经验
随着企业在更广泛的产品和服务组件中使用机器学习（ML）和人工智能技术，对新的工具、最佳实践和新的组织结构的需求变得越来...
-
碰到语音数据了吗？这些指导意见将帮助你开始构建语音应用
随着企业开始进行人工智能技术的探索，三个特定的领域引起了很多关注：计算机视觉、自然语言应用和语音技术。世界知识产权局...
-
RISELab的AutoPandas暗示着自动化技术将改变软件开发的性质
关于人工智能有很多的炒作，但企业是否真地开始使用人工智能技术了？我们在今年早些时候发布的一项调查中发现，就职于企业的...
-
一张图表明：研究人员喜爱PyTorch和TensorFlow
在近期我们进行了一项调查——企业里的人工智能，收到了超过1300份的回复。我们发现几个机器学习的库和框架被广泛地使用。超过...
-
已改进的工具生态系统正在助推人工智能落地
在这篇文章中我分享了Roger Chen和我在2019年人工智能大会纽约站上发表的主题演讲中的幻灯片和备注。在这个简短的总结中，我...
-
成为一家机器学习公司意味着投资基础技术
在这篇文章中，我分享今年早些时候我在伦敦的Strata数据会议上发表主题演讲的幻灯片。我将重点介绍最近一项关于机器学习被采...
-
用于机器学习开发和模型治理的专用工具日益变得重要
几年前我们开始发布文章（参见本文末尾的“相关资源”），了解数据团队开始接受更多机器学习（ML）项目时所面临的挑战。 在此过...
-
对高质量数据的追求
“人工智能始于’好’数据”这种说法，得到了数据科学家、分析师和企业主的广泛认同。我们为预测、分类和各种分析任务构建复杂人...
-
AI和机器学习如何改善客户体验
人工智能（AI）和机器学习（ML）可以做些什么来改善客户体验？ 自从网上购物诞生以来，AI和ML就已经和在线购物系统紧密结合了...
-
Ray编程：给新用户的小指南
Ray是一个用于在计算集群上编程的通用框架。 Ray使开发人员能够轻松地并行化他们的Python应用程序，构建新的应用，在任意大小...
-
使用Apache Kafka和Apache Pulsar创建任务队列
使用Kafka和Pulsar的一个常见用例是创建任务队列。这两种技术为实现此用例提供了不同的实现。我将讨论用Kafka和Pulsar实现任...
-
为什么数据科学家不是数据工程师
“一位科学家可以发现一颗新星，但他不能制造一颗。他必须要求工程师为他做这件事。” -Gordon Lindsay Glegg， 设计中的设计...
-
开源NLP（自然语言处理）库的功能对比
开源NLP库 在开发和生产中，最受欢迎的NLP库列表如下： Spark NLP spaCy NLTK OpenNLP Stanford CoreNLP 显然，NLP领域还有...
-
机器学习模型脆弱性和安全性的提议
和许多人一样，我已经知道机器学习模型本身可能会带来安全风险。最近大量的博文和论文概述了这一内容广泛的主题，列举出了攻...
-
三项关于人工智能受接纳程度的调查，揭示了来自成熟实践的重要建议
最近O’Reilly Media 发表了一份基于行业调查的报告，《企业对于AI的使用：企业如何在实践中对人工智能项目进行规划并提...
-
医疗领域构建自然语言处理系统的经验教训
我们正处于自然语言处理（NLP）领域令人兴奋的十年。 在阅读理解、语言翻译和创意写作等复杂任务上，计算机的表现将会和人类...
-
我们雷达上看到的7个数据趋势
无论您是商业领袖还是从业者，这都是值得提前几个月关注的重要数据趋势。 越来越注重建立数据文化，组织和培训 在最近的O’Rei...
-
在建立机器学习应用后，需要确保它足够安全
在最近的一篇文章中我们描述了构建可持续的机器学习实践需要做些什么。 “可持续”一词是指那些不仅仅停留于POC（概念证明）或...
-
处理企业中的实时数据操作
在Strata 2017我首次提出了一个新图表，帮助团队了解团队失败的原因以及何时失败： 在项目早期，管理层和开发人员对项目成功...
-
使商业智能运转的4个必要条件
结果导向的领导者依靠在适当的时间获得正确的信息，以支持运营决策。 这就是为什么决策者认定商业智能是他们第一优先的技术事...
-
将深度学习添加到时间序列工具包的3个理由
在许多行业中，准确预测未来序列的能力至关重要：财务，供应链和制造只是其中的几个例子。 几十年来，经典的时间序列技术已经...
-
Ray的进化和应用的扩展
在之前的一篇博文里我介绍了在首次Ray聚会里出现的一些早期Ray的应用场景。Ray是由加州大学伯克利分校的RISE实验室开发的一个...
-
我们雷达上的9种AI趋势
以下是企业领导者和从业者应该在提前几个月关注的关键人工智能趋势。 我们将开始看到技术可以实现大量任务的部分自动化。 自...
-
金融模型中的三种错误：使用TensorFlow Probability进行分析的简介
在一家人工智能优先的金融交易和咨询公司Hedged Capital我们使用概率模型在金融市场进行交易。 在这篇博客文章中，我们探讨了...
-
什么是神经网络架构搜索？
深度学习提供了这样一种承诺：它可以绕过手动特征工程的流程，通过端对端的方式联合学习中间表征与统计模型。 然而，神经网络...
-
机器学习中的深度自动化
在之前的一篇文章中我们讨论了机器学习（ML）在软件开发中的应用，其中包括数据科学中的采样工具和管理数据基础架构。 从那时...
-
管理机器学习中的风险
在这篇文章中我分享了去年9月我在纽约Strata数据会议上所发表主题演讲幻灯片和笔记。 随着数据社区开始部署更多机器学习（ML...
-
评估自动化技术的进展
在这篇文章中，我分享了Roger Chen和我在2018年10月伦敦人工智能会议上发表的主题演讲中的幻灯片和笔记。我们概述了自动化技...
-
数据隐私和机器学习时代下的数据收集和数据市场
在这篇文章中我分享5月底我在伦敦Strata数据会议上演讲中使用的幻灯片和笔记。 我的目标是提醒数据社区，数据本身中存在着许...
-
检验机器学习可解释性的技巧
解释机器学习模型是目前数据科学界一个相当热门的话题。 机器学习模型需要可被解释，以便先进的预测建模技术被更广泛地采纳，...
-
数据工程师vs数据科学家
了解数据工程师和数据科学家之间的差异非常重要。 误解或不了解其差异，会导致团队在处理大数据时失败或者表现不及预期。 一...
-
对于软件研发而言机器学习意味着什么
机器学习有望从根本上改变软件开发的本质，这也许是自FORTRAN和LISP被发明以来的第一次。 它对我们几十年来的编程范式提出了...
-
MLflow：一种机器学习生命周期管理平台
尽管机器学习（ML）可以产生出色的结果，在实践中使用它仍然是很复杂的。 除了软件研发中的常见挑战外，机器学习开发人员还面...
-
数据隐私变得越发关键的时代如何搭建数据分析产品
在这篇文章中，我分享了在2018年3月进行的加利福尼亚州Strata数据会议上所发表演讲，提供了和“公司如何在数据隐私变得关键的...
-
计算机看到了什么？
在过去十年左右的时间里，主要源于深度学习的进展，计算机视觉取得了巨大的进步。不仅是因为我们有了更新和更好的算法，数码...
-
来自首次Ray聚会的记录
由于大量的标记数据集、面向数据科学家的语言（R、Julia、Python）、诸如scikit-learn、PyTorch、TensorFlow等的框架以及用于...
-
企业里的下一代人工智能助手
TL;DR：聊天机器人是迈向自动化组织的第一步，这些自动化组织的运营活动主要由许多不同的人工智能助手实现的。类似于自动驾驶...
-
如何思索人工智能、机器学习技术以及它们在自动化过程中所扮演角色
在本博文里我来分享Roger Chen和我在2018年5月份举办的人工智能纽约大会上的幻灯片和注释。很多企业已经开始探索机器学习和人...
-
走向机器学习的喷气时代
今天的机器学习领域就像航空业的早期。1903年莱特兄弟的惊天一飞迎来了航空业的先锋时代。之后的十年之内，人们普遍认为动力...
-
从将机器学习模型转化成真正产品和服务中学到的经验教训
人工智能依然处于它的幼年时期。今天，只有15%的企业在使用机器学习，但是有30%的企业已经在它们未来的发展路线图里包括了机...
-
为明天的人工智能应用构建工具
在过去几年中人工智能（AI）和深度学习（DL）几乎是同义词了。我们已经看到AlphaGo作为深度学习的一个案例被各种吹捧。我们也...
-
用Skater来解读预测性模型：解密模型的隐秘
在过去多年里机器学习（ML）走过了很长的路。它从纯学术领域的一个实验性研究课题，发展成为真实世界里的问题的一个自动化解...
-
用Apache MXNet构建一个循环神经网络
在之前的教程里，我们使用一种叫卷积神经网络（CNN）的深度学习技术来对文本和图片进行分类。尽管CNN是一种强大的技术，但它...
-
AI Conference Beijing 2018（人工智能北京大会）亮点系列之四
语言技术方式的融合 凭借今天的设备用户界面技术以及先进机器学习及深度学习模型的出现，输入输入方式在很多不同方面正在融合...
-
比较两个生产级NLP库：准确性、性能和可扩展性
这是本系列博客的第三篇，也是最后一篇。这个系列之前的博客比较了两个主要的开源自然语言处理软件库：John Snow Labs的Apach...
