机器学习
机器学习
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。...(more)
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

热点

智能运维·2021-01-18
闪电麦坤 · 某银行 擅长领域:大数据, 系统运维, 自动化运维
184 会员关注
研究与实践某农商银行高度重视信息化的建设与发展,不断引入新的信息科技技术和理念,逐步促进银行服务的形态和内容更新,在服务理念、经营模式等多个方面实现转型升级。伴随而来的是某农商银行科技信息系统规模的不断扩大,虚拟化、大数据、智能化等新技术的不断应用,导致IT运维...(more)
专栏: 最佳实践
浏览8138
评论2
tushare·2019-06-16
DolphinDB · 浙江智臾科技 擅长领域:大数据, 人工智能, 机器学习
25 会员关注
DolphinDB是新一代的时序数据库,不仅可以作为分布式数据仓库或者内存数据库来使用,而且自带丰富的计算工具,可以作为研究工具或研究平台来使用,非常适用于量化金融、物联网等领域的海量数据分析。量化金融领域的不少问题,如交易信号研究、策略回测、交易成本分析、股票相关性...(more)
浏览4407
评论3
人工智能·2020-03-03
lxue · 某互联网公司 擅长领域:数据库, 人工智能, 大数据
121 会员关注
摘要运维服务台提供了统一对外的服务窗口,但存在沟通成本高、人员流动性大,服务请求的整体交付周期普遍较长,难以保证服务质量的问题。同时,知识库不完善等问题也限制了服务台作为一线服务的工作能力,往往需要通过二、三线人员的专业知识解答问题,构建完整的运维服务闭环。因此...(more)
浏览5384
证券·2020-03-06
lxue · 某互联网公司 擅长领域:数据库, 人工智能, 大数据
121 会员关注
摘要:本文根据光大证券在金融文档智慧服务平台中的建设经验,阐述对于深度学习技术的研究认知及处理富格式文档的探索实践经验。该平台利用海量的数据信息,建立平台“数据标注-模型训练-模型评估”周期迭代方式,在模型自主学习改善复核效果的基础上,将人工审核与机器审核相结合...(more)
浏览5326
系统运维管理·2020-01-03
xty9 · 南京证券 擅长领域:深度学习, 人工智能, 机器学习
6 会员关注
面对中国经济发展状况,结合自身行业发展,以及现在技术方面突破三方面因素考虑,我们对证券系统运维岗的发展进行一些推测。笔者目前已经在证券系统运维岗工作五年多,见证过很多技术上的发展,也参与了基本所有证券市场上的发展,从深圳新一代到科创,从熔断到IPO改革,目前将结合自己...(more)
浏览13029
anikikong课题专家组 · 中国民生银行 擅长领域:数据库, 灾备, 双活
710 会员关注
智能运维现状智能运维(AIOps)是将人工智能应用于运维领域,基于机器学习的强大能力,学习海量运维数据的规则,挖掘数据的内在价值,为运维提供更可靠的决策依据。智能运维的场景包括但不限于:故障发现,故障定位,故障分析,故障恢复,事件关联分析,日志检测,故障预测,容量预测,智能交互,专家系...(more)
浏览10627
评论3
自然语言处理·2019-10-22
yh2022lat · 中国联通 擅长领域:服务器, 存储, 灾备
22 会员关注
收藏3
评价1
金币1
银行·2019-10-09
CaraChen · 某银行 擅长领域:人工智能, 机器学习, 大数据
21 会员关注
摘要近年来,银行业不断推陈出新及迅猛发展的业务对数据建模提出了两点要求。一是要求模型比传统的业务系统有更强的场景驱动性,业务穿透性更强,即要求数据模型需通过新的数据不断的迭代优化,以适应新的业务需求。二是,数据在广度深度上的激增及应用场景的增加如客户管理、零售...(more)
专栏: 最佳实践
浏览6617
评论4

描述

机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。...(more)
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。
X社区推广
  • 提问题