Свързани публикации 'google-cloud-platform'
Присъединете се към нас в Ultimate Machine Learning with Google Cloud
На 21 февруари сме домакини на събитие за машинно обучение заедно с Google Cloud. Нашият екип от експерти ще покаже как вашата компания може да използва машинно обучение в Google Cloud, за да генерира по-добри прозрения от вашите данни, стимулирайте бизнеса и подобрявайте изживяването на клиентите. Ще разгледаме някои често срещани митове около машинното обучение, както и основните съставки, от които ще се нуждаете, за да започнете с проект за машинно обучение, и защо Google Cloud е..
Използване на Google Cloud AI Platform Notebooks като уеб-базирана Python IDE
Тази публикация съдържа инструкции и съвети как да настроите и използвате Google Cloud AI Platform Notebooks като среда за разработка. То е насочено към софтуерни инженери, които искат да знаят как да използват и намират общи функции на IDE, но е от значение за всеки, който се интересува да научи как да използва Google Cloud AI Platform Notebooks или JupyterLab.
Съдържание
„Защо да използвате инструмент за наука за данни като IDE?“ Предимствата на JupyterLab пред традиционната IDE..
Внедряване на модели за машинно обучение в Google Cloud Platform (GCP)
Тренирайте на Kaggle; разположете в Google Cloud
Внедряването на модел за машинно обучение (ML) в производството започва с действителното изграждане на модела, което може да се направи по няколко начина и с много инструменти.
Подходът и инструментите, използвани на етапа на разработка, са много важни за осигуряване на безпроблемната интеграция на основните единици, които изграждат тръбопровода за машинно обучение. Ако те не бъдат взети под внимание, преди да започнете проект, има..
МАШИННО ОБУЧЕНИЕ (ML) В GOOGLE CLOUD
МАШИННО ОБУЧЕНИЕ (ML) В GOOGLE CLOUD
Подполе на изкуствения интелект, машинното обучение (ML) е навсякъде в днешния свят. Подобно на социалните приложения, които ви предлагат артикули за закупуване въз основа на вашето търсене, силата на данните се предоставя по нов начин. Той позволява на програмите или приложенията да се учат чрез опит, от събирането на данни. Машинното обучение помага да се правят прогнози въз основа на изграждането на алгоритъм, с други думи, този алгоритъм се..
Първи стъпки с Jupyter + Spark в облака през 2020 г
Завъртете без усилие лаптоп, подкрепен от клъстер с големи данни
2020 г. е чудесна година да се потопите в големите данни с клъстерите Jupyter и Spark. Всички топ 3 облачни доставчици (Amazon Web Services, Microsoft Azure и Google Cloud) имат конфигурирани, управлявани услуги за завъртане на клъстери, предварително заредени с Jupyter и Spark. С експлозията на големите данни и ниските бариери за навлизане (както по отношение на разходите, така и на усилията), знанието как да се решават..
Ръководен тест на облачните услуги за анализ на настроението
Отидох на събитие преди малко повече от година в Манчестърския университет, където темата беше около изкуствения интелект в маркетинга. Вместо безсмислените „AI ще промени всичко“, които човек вижда в LinkedIn, презентацията и последващите въпроси и отговори бяха фокусирани върху пътищата за това как всъщност ще стигнем до нови крайни точки на автоматизация, използвайки AI и машинно обучение.
Доста интересна точка на разговор беше около обработката на естествения език и анализа на..
Модернизиране на Soompi — част 3
Установяване на нов стандарт за предни услуги
В един идеалистичен свят пренаписването на приложения би било оптималното решение за повечето проблеми с програмирането. Проблеми с наследството? Пренапишете ги! Загубен контекст на това, което включва услугата? Препишете вашето разбиране! Въпреки това, такъв наивен подход за решаване на подобни проблеми не винаги е правилният начин, като се имат предвид ограниченията в реалния свят, като фиксирани количества време за завършване на..
