欧美视频导航,国产九色91回来了

如今，很多供應商通過提供自動化數(shù)據(jù)準備和算法選擇的層次，可以使數(shù)據(jù)智能業(yè)務用戶采用人工智能技術(shù)，從而消除了機器學習的神秘感。 “機器學習”這個術(shù)語賦予了神奇的光環(huán)。普通人通常不會采用機器學習，而數(shù)據(jù)科學家才是高度專業(yè)化的煉金術(shù)士，他們在研究部門和實驗室中將數(shù)據(jù)轉(zhuǎn)化為“黃金”，而只是簡單地說機器學習是一門科學，在此之外幾乎沒有提供解釋。當然，這可能是一個鮮為人知的事實，但多年來機器學習工具已經(jīng)發(fā)展到這樣一個地步：幾乎任何人都可以按下按鈕，并啟動一些機器來學習有價值的東西。這并不是一件容易的事，但將數(shù)據(jù)整合并將其轉(zhuǎn)化為可操作見解的工作已經(jīng)實現(xiàn)自動化，很多具有這種動機的組織可以做到這一點。這種緩慢的復興是由商業(yè)世界中許多非程序員已經(jīng)相當精通數(shù)據(jù)的現(xiàn)實所推動的。加載數(shù)字的電子表格是各級業(yè)務決策者的通用語言，機器學習算法也像表格中數(shù)據(jù)清晰定義的行和列一樣。機器學習的新工具基本上只是另一組策略和選項，用于將表格數(shù)據(jù)轉(zhuǎn)換為有用的答案。這些工具的優(yōu)勢在于能夠處理收集數(shù)據(jù)、添加結(jié)構(gòu)，并保持一致性，然后開始繁重的計算工作。它們簡化了數(shù)據(jù)收集過程，簡化了將信息保存在行和列中的工作。這些工具還不夠智能，無法為用戶完成所有這些學習。用戶必須提出正確的問題并找到合適的地方。但是這些工具加速了對答案的搜索，因此可以覆蓋更多的范圍，并在進行更多的搜索。 AutoML：機器學習的民主化最近，新的流行術(shù)語“AutoML”開始出現(xiàn)，表示機器學習算法附帶了一個額外的自動化元層。標準算法一直被設計用于自行查找模式和規(guī)則，但傳統(tǒng)算法帶有許多選項和參數(shù)。數(shù)據(jù)科學家經(jīng)常花費80%到99%的時間致力于找到最具預測性的規(guī)則。 AutoML通過嘗試一系列選項，測試它們?nèi)缓髧L試更多來自動化這個階段。它不是采用機器學習算法運行一次，而是運行N次，進行一些調(diào)整，再次運行N次，如此反復，直到用戶的預算、時間、耐心耗盡。 AutoML工具非常適合云計算，因為它們在云中可以啟動足夠的機器并行運行，然后在完成后將它們返回池中。用戶只需在峰值計算時間支付費用。一般來說，AutoML算法是人們開始自己探索機器學習的一個良好選擇。自動化通過處理一些設置參數(shù)和選項的基本工作來簡化工作，然后再為用戶測試結(jié)果。隨著用戶變得更加復雜，并開始理解結(jié)果，他們可以承擔更多這些工作，并自行設置價值。最新的系統(tǒng)還可以讓用戶更輕松地了解機器的學習方式。如果經(jīng)典編程將規(guī)則和數(shù)據(jù)轉(zhuǎn)化為答案，那么機器學習算法將會反向工作，并將答案和數(shù)據(jù)轉(zhuǎn)換為規(guī)則。這些規(guī)則可能會告訴用戶業(yè)務發(fā)生的事情。這些簡化工具的開發(fā)人員還創(chuàng)建了解釋算法發(fā)現(xiàn)的規(guī)則的接口，更重要的是如何復制結(jié)果。他們想打開黑盒以促進理解。使機器學習更容易的6種工具所有這些功能都為那些使用數(shù)字、電子表格和數(shù)據(jù)的人們開啟了機器學習的世界，消除了對編程和數(shù)據(jù)科學的巨大需求。下面的六個選項簡化了用戶使用機器學習算法在數(shù)字海洋中找到答案。 1.Splunk Splunk的原始版本最初是作為一種工具，通過現(xiàn)代Web應用程序創(chuàng)建的大量日志文件進行搜索或“窺探”。它已經(jīng)發(fā)展成為可以分析所有形式的數(shù)據(jù)，特別是時間序列和其他按順序生成的數(shù)據(jù)。該工具將結(jié)果顯示在具有復雜可視化例程的儀表板中。最新版本包括將數(shù)據(jù)源與TensorFlow等機器學習工具和一些最佳Python開源工具集成的應用程序。它們提供快速解決方案，用于檢測異常值、標記異常，并生成對未來值的預測。它們經(jīng)過優(yōu)化，可以在非常大的數(shù)據(jù)集中搜索文件。 2.DataRobot DataRobot內(nèi)部的堆棧是一些用R、Python或其他幾個平臺編寫的開源機器庫的集合。用戶將只處理一個Web