ai公園
構建生產機器學習系統的一些考慮
既然你的公司已經決定ML是一個必要的下一步,那麼作為一個ML工程師,現在是時候考慮為生產系統構建ML過程的真正內容了。
Netflix中的插圖個性化
在給用戶做推薦的時候,推薦什麼內容固然非常重要,然而在有些場景下,同樣的內容,採取什麼方式給用戶進行推薦也會影響用戶的選擇,這篇文章中,Netflix使用不同插圖為用戶推薦相同的內容,在實際應用中很有借鑑意義。
5個步驟部署你的機器學習模型到生產中
作者:Rahul Agarwal編譯:ronghuaiyang導讀為什麼我們的機器學習項目會失敗?創造一個大的機器學習系統是一門藝術。在構建一個大的機器學習系統時,有很多事情需要考慮。但作為數據科學家,我們常常只擔心項目的某些部分。
12個現實世界中的機器學習真相
GeorgeA. Hazelrigg 在他的「HONING YOUR PROPOSAL WRITING SKILLS」中寫道:一些科學家會學習如何制定研究計劃。
正確的debug你的TensorFlow代碼(不用這麼痛苦)
作者:Galina Olejnik編譯:ronghuaiyang導讀TensorFlow代碼很難調試,這個大家已達成共識,不過,就算是難,也還是需要調試的,畢竟誰也沒有把握不出bug,看看這篇文章能不能讓你減輕一點調試時的痛苦。
構建神經網絡的一些實戰經驗和建議
作者:Matt H and Daniel R編譯:ronghuaiyang導讀從成千上萬小時的模型訓練中累計的經驗和教訓。在我們的機器學習實驗室,我們在許多高性能的機器已經積累了成千上萬個小時的訓練。
構建神經網絡的一些實戰經驗和建議
作者:Matt H and Daniel R編譯:ronghuaiyang導讀從成千上萬小時的模型訓練中累計的經驗和教訓。在我們的機器學習實驗室,我們在許多高性能的機器已經積累了成千上萬個小時的訓練。
Instagram的Explore智能推薦系統
正在進行的ML 挑戰構建 Explore 最令人興奮的部分之一,就是不斷尋找新的、有趣的方式,幫助我們的群體在 Instagram 上發現最有趣、最相關的內容。
Instagram的Explore智能推薦系統
正在進行的ML 挑戰構建 Explore 最令人興奮的部分之一,就是不斷尋找新的、有趣的方式,幫助我們的群體在 Instagram 上發現最有趣、最相關的內容。
新的深度學習優化器Ranger:RAdam + LookAhead強強結合
我發現,通過結合這兩個,RAdam+ LookAhead,產生了一個增強的優化器,並在 ImageNette 驗證了運行 20 個 epoch 分數的新高。