7 دقیقه زمان مطالعه
پلتفرم داده جدید و یکپارچه مایکروسافت آزور قصد دارد فروشگاه یکپارچه شما برای تجزیه و تحلیل و یادگیری ماشین در مقیاس باشد.
فراگیری ماشین
9 دقیقه زمان مطالعه
راه‌حل‌های جدید مدیریت داده و یکپارچه‌سازی با هوش مصنوعی و سیگنال یادگیری ماشینی که کمک می‌کند در راه مقابله با چالش داده‌های سازمانی بالونی باشد.
7 دقیقه زمان مطالعه
مدل‌های هوش مصنوعی مولد می‌توانند مکالمه‌ها را ادامه دهند، به سؤالات پاسخ دهند، داستان بنویسند، کد منبع تولید کنند و تقریباً از هر توضیحی تصویر و ویدیو ایجاد کنند. در اینجا نحوه عملکرد هوش مصنوعی مولد، نحوه استفاده از آن و اینکه چرا محدودتر از آن چیزی است که فکر می کنید، توضیح داده شده است.
6 دقیقه زمان مطالعه
دریابید که چرا پس انتشار و نزول گرادیان کلید پیش بینی در یادگیری ماشین هستند، سپس با آموزش یک شبکه عصبی ساده با استفاده از گرادیان نزول و کد جاوا شروع کنید.
6 دقیقه زمان مطالعه
پلت فرم داده دریاچه و خانه دریاچه میزبان ابر مایکروسافت ابزارهای علوم داده جدیدی را به دست می آورد و مجموعه داده های Power BI را برای Python، R و SparkSQL باز می کند.
7 دقیقه زمان مطالعه
Modelops توسعه، آزمایش، استقرار و نظارت بر مدل یادگیری ماشین را بهبود می بخشد. این نکات را دنبال کنید تا خطرات مدل را کنترل کنید و کارایی و سودمندی ابتکارات ML خود را افزایش دهید.
2 دقیقه زمان مطالعه
Synthetic Data Metrics یک کتابخانه پایتون منبع باز برای ارزیابی داده های جدولی مدل-آگنوستیک با قرار دادن مجموعه داده های تولید شده توسط ماشین در برابر مجموعه داده های واقعی است.
3 دقیقه زمان مطالعه
متن و داده های بدون ساختار مانند طلا برای برنامه های تجاری و نتیجه شرکت هستند، اما از کجا باید شروع کرد؟ در اینجا سه ابزار وجود دارد که ارزش دیدن دارند.
3 دقیقه زمان مطالعه
جدا از افزودن ویژگی‌های جدید به Amazon Bedrock، AWS همچنین یک سرویس هوش مصنوعی مولد جدید با نام AWS HealthScribe راه‌اندازی کرده است تا به ایجاد خودکار اسناد بالینی کمک کند.
5 دقیقه زمان مطالعه
علاوه بر به‌روزرسانی AutoML و Autopilot MySQL HeatWave، اوراکل اکنون شکل کوچکی را برای این سرویس ارائه می‌کند که مشتریان با حجم کمتری از داده را هدف قرار می‌دهد.
2 دقیقه زمان مطالعه
این قابلیت‌ها که در حال حاضر در حال پیش‌نمایش هستند، به شرکت‌ها این امکان را می‌دهند که همزمان با همکاری با شرکا و حفظ حریم خصوصی و امنیت داده‌ها، یادگیری ماشین را روی داده‌های مشترک اجرا کنند.
5 دقیقه زمان مطالعه
مدل‌های میانگین متحرک اتورگرسیو چندین مزیت از جمله سادگی دارند. در اینجا نحوه استفاده از مدل ARMA با InfluxDB آورده شده است.
4 دقیقه زمان مطالعه
سه فرآیند کسب‌وکار برتر که انتظار می‌رود شرکت‌های APAC در آن‌ها هوش مصنوعی/ML را ترکیب کنند، شامل عملیات فناوری اطلاعات، امنیت، و پشتیبانی و خدمات مشتری می‌شود.
6 دقیقه زمان مطالعه
XGBoost یک کتابخانه یادگیری ماشین منبع باز محبوب است که می تواند برای حل انواع مشکلات پیش بینی استفاده شود. در اینجا نحوه استفاده از XGBoost با InfluxDB آورده شده است.
6 دقیقه زمان مطالعه
توانایی استخراج مقادیر زیادی از داده ها برای مطالعه نحوه عملکرد کاربران، مزایای تجاری طولانی مدت و فرصت های کاهش ریسک را ارائه می دهد.
2 دقیقه زمان مطالعه
Informatica INFACore قول می دهد ایجاد خطوط لوله داده را برای ساخت و استقرار مدل های یادگیری ماشین در Amazon SageMaker Studio ساده کند.
2 دقیقه زمان مطالعه
به‌روزرسانی پلتفرم یادگیری ماشین منبع باز Google، بهبود Keras، بهبود عملکرد و TensorFlow Decision Forests 1.0 را به همراه دارد.
4 دقیقه زمان مطالعه
یک رویکرد ساده‌تر – داده‌های خوب، پرسش‌های SQL، دستورات if/then- اغلب کار را انجام می‌دهد.
2 دقیقه زمان مطالعه
API طبقه‌بندی متن جدید برای چارچوب یادگیری ماشین منبع باز مایکروسافت، آموزش مدل را با استفاده از داده‌های شما برای تنظیم دقیق مدل موجود ساده می‌کند.
4 دقیقه زمان مطالعه
تلاش علم داده، چابکی را کاهش می‌دهد و از افزایش کارآمد و پایدار تلاش‌های علم داده توسط سازمان‌ها جلوگیری می‌کند. در اینجا نحوه جلوگیری از آن آمده است.
