-
机器学习概览
需要掌握人工智能技术,希望具备及其学习和深度学习算法应用能力,希望掌握华为人工智能相关产品技术的工程师 课程目标 学完本课程后,您将能够:掌握学习算法定义与机器学习的流程;了解常用机器学习算法;了解超参数、梯度下降和交叉验证等概念。 课程大纲 1. 机器学习算法 2. 机器学习的分类 3. 机器学习的整体流程
来自:百科 -
AI技术领域课程--机器学习
第7章 有监督学习-决策树 第8章 有监督学习-集成算法概述 第9章 有监督学习-Bagging 第10章 有监督学习-随机森林 第11章 有监督学习-Boosting 第12章 有监督学习-Adaboost 第13章 有监督学习-GBDT 第14章 有监督学习-Xgboost 第15章
来自:百科 -
入门篇:人工智能开启新纪元
实战派带你云上体验机器学习,不会算法照样玩转AI。 课程简介 本课程主要内容包括:人工智能发展历程及行业应用介绍,机器学习讲解及实操演示、AI应用学习方法介绍。 课程目标 通过本课程的学习,使学员了解行业趋势及应用前景、掌握机器学习的应用,及如何进行AI应用的学习。 课程大纲 第1节
来自:百科 -
大V讲堂——开放环境下的自适应视觉感知
大V讲堂——开放环境下的自适应视觉感知 时间:2020-12-16 16:01:11 现有机器视觉学习技术通常依赖于大规模精确标注的训练数据。在典型实验室环境下设计和训练的人工智能模型,在行业应用场景变换时,容易导致系统性能急剧下降。本课程将从弱监督视觉理解的角度,介绍在降低模型对特定应用场景数据依赖方面所开展的一些研究工作。
来自:百科 -
AI开发的基本概念
-
Docker的使用流程
-
Docker镜像是什么
-
阳光厨房解决方案,让“阳光”洒满厨房
-
打手机智能识别
-
Service背后的实现:Kube-proxy
-
ConfigMap概述
-
容器技术出现的背景
-
Secret概述
-
Istio的核心理念
-
ConfigMap使用的注意事项
-
压板状态智能识别
-
Istio的可观测性
-
Kubernetes集群的常见部署形态
-
云原生代表技术:服务网格
-
BoostKit大数据使能套件:Spark机器学习算法,实现数据处理倍级性能提升
-
补充实体的非键值属性