Публикации по теме 'google-cloud-platform'
Системы рекомендаций, использующие BigQuery ML
Дайте мне свои лучшие рекомендации!
Из этой статьи вы узнаете, как:
Преобразование данных образца в формат, подходящий для обучения модели матричной факторизации Создайте, обучите и разверните матричную модель факторизации. Получайте прогнозы на основе развернутой модели о том, какие продукты наиболее вероятно заинтересуют ваших клиентов.
Большинство потребителей сегодня ожидают персонализации, но как создать систему рекомендаций и использовать предсказанные рекомендации..
Мои заметки об экзамене инженера по машинному обучению Google Cloud
Мои заметки с экзамена на инженера по машинному обучению Google Cloud
20 июля и 20 августа компания Google впервые подала заявку на участие в программе профессионального инженера по машинному обучению (бета). Этот экзамен состоял из 120 вопросов за 4 часа, что было очень утомительно. Для справки, в обычных экзаменах за 2 часа экзамена «всего» 60 вопросов, так как они уже проверили свои вопросы на бета-тестировании.
Это был мой четвертый экзамен по Google Cloud после младшего..
Динамические конфигурации AppEngine с использованием Gradle, часть 2
Динамические конфигурации AppEngine с использованием Gradle, часть 2
В предыдущем рассказе Динамические конфигурации AppEngine с использованием Gradle, часть 1 мы обсуждали, как мы можем легко выполнить развертывание в различных средах, таких как (prod, stag, test), с использованием простого аргумента gradle. Если вы не читали раньше, рекомендую прочитать, прежде чем продолжить.
Теперь давайте посмотрим, как мы можем иметь несколько файлов конфигурации ( cron.xml ,..
Каковы преимущества машинного обучения в облаке?
Искусственный интеллект и машинное обучение постепенно проникают в корпоративные приложения в таких областях, как поддержка клиентов, обнаружение мошенничества и бизнес-аналитика. Есть все основания полагать, что многое из этого будет происходить в облаке.
Все ведущие платформы облачных вычислений делают большие ставки на демократизацию искусственного интеллекта. За последние три года Amazon, Google и Microsoft вложили значительные средства в искусственный интеллект (ИИ) и машинное..
Облачные функции для Firebase
Облачные функции для Firebase - это бессерверное решение Google для приложений Firebase. Их можно использовать как функции (R) eactor для архитектуры приложения FIRE Stack . Если вы разрабатываете с использованием firebase-queue, AWS Lambda или какой-либо другой архитектуры функций как услуги, облачные функции для Firebase должны казаться естественными… просто намного удобнее и проще в использовании :)
Если вам интересно, с чего начать ... ну, читайте, мой друг.
FIRE Stack..
Как начать проект по науке о данных с помощью Google Cloud Platform
Создание рабочей среды Python Jupyter Notebook с помощью службы Google Cloud Platform (GCP)
Что такое проект Data Science?
Мой наставник однажды сказал мне, что наука о данных - это:
1. Анализ данных
2. Сообщите эти идеи своему клиенту.
Коммуникация имеет решающее значение почти для каждого специалиста по данным, и среди всех способов коммуникации показ кода и визуализаций был бы самым прямым и распространенным способом сделать это. Как и большинство людей в этой области, я..
Обучение трансформаторов PyTorch на платформе GCP AI
Облачная платформа Google (GCP) широко известна своими великолепными возможностями и продуктами в области искусственного интеллекта и машинного обучения. Фактически, доступно множество материалов о том, как вы можете обучать и развертывать модели TensorFlow на GCP. Однако GCP предназначен не только для людей, использующих TensorFlow, но и имеет хорошую поддержку для других фреймворков. В этом посте я покажу, как использовать другой очень популярный фреймворк машинного обучения PyTorch в..
