随笔分类 - 机器学习实战通关指南 ⛵ 全场景覆盖AI解决方案
以『案例+代码』展示机器学习的项目流程与应用细节。实战导向，ML工程师带着你一遍遍深入各个项目的流程节点，直至掌握构建场景建模解决方案&效果调优的核心能力！@ShowMeAI研究中心
摘要：
本文整理了7个非常有效的机器学习Python库：Prophet、Deep Lake、Optuna、pycm、NannyML、ColossalAI、emcee，用简单的方式编写复杂且耗时的代码，大大提升工作效率！
阅读全文
本文整理了7个非常有效的机器学习Python库：Prophet、Deep Lake、Optuna、pycm、NannyML、ColossalAI、emcee，用简单的方式编写复杂且耗时的代码，大大提升工作效率！
阅读全文
摘要：
本文对比筛选了『数据清理』和『特征工程』最值得推荐的5本书，帮助你有效地清理数据、获取干净核心的数据，这是后续建模分析等工作有更好结果的保证。
阅读全文
本文对比筛选了『数据清理』和『特征工程』最值得推荐的5本书，帮助你有效地清理数据、获取干净核心的数据，这是后续建模分析等工作有更好结果的保证。
阅读全文
摘要：
本文浅试Meta开源的大型AI语言模型『Galactica』，带大家体验安装与多场景使用。Galactica被称为“最懂科学的智能NLP模型”，能够预测蛋白质标注！创建讲义！解释数学公式！全都会！
阅读全文
本文浅试Meta开源的大型AI语言模型『Galactica』，带大家体验安装与多场景使用。Galactica被称为“最懂科学的智能NLP模型”，能够预测蛋白质标注！创建讲义！解释数学公式！全都会！
阅读全文
摘要：
本文结合航空出行的场景，使用机器学习建模，详细分析了航班乘客满意度的影响因素：机上Wi-Fi服务、在线登机、机上娱乐质量、餐饮、座椅舒适度、机舱清洁度和腿部空间等。
阅读全文
本文结合航空出行的场景，使用机器学习建模，详细分析了航班乘客满意度的影响因素：机上Wi-Fi服务、在线登机、机上娱乐质量、餐饮、座椅舒适度、机舱清洁度和腿部空间等。
阅读全文
摘要：
如何快速部署机器学习模型？本文是机器学习工业部署的 best practice（最佳实践)！详细讲解了如何操作机器学习开源框架 BentoML，帮助研发团队轻松打包机器学习模型，并重现该模型以用于生产。
阅读全文
如何快速部署机器学习模型？本文是机器学习工业部署的 best practice（最佳实践)！详细讲解了如何操作机器学习开源框架 BentoML，帮助研发团队轻松打包机器学习模型，并重现该模型以用于生产。
阅读全文
摘要：
本文系统介绍了『单变量异常检测』和『多变量异常检测』识别技术，包括传统的统计方法（四分位距、标准差），以及前沿的机器学习模型（孤立森林、DBSCAN、LOF局部离群因子）。
阅读全文
本文系统介绍了『单变量异常检测』和『多变量异常检测』识别技术，包括传统的统计方法（四分位距、标准差），以及前沿的机器学习模型（孤立森林、DBSCAN、LOF局部离群因子）。
阅读全文
摘要：
本文讲解如何使用whylogs工具库，构建详细的AI日志平台，并监控机器学习模型的流程与效果。核心操作包括：环境配置、新建项目并获取ID、获取组织ID和访问Key、将配置文件写入WhyLabs、监控模型性能指标。
阅读全文
本文讲解如何使用whylogs工具库，构建详细的AI日志平台，并监控机器学习模型的流程与效果。核心操作包括：环境配置、新建项目并获取ID、获取组织ID和访问Key、将配置文件写入WhyLabs、监控模型性能指标。
阅读全文
摘要：
机器学习算法理论比较枯燥乏味，但有许多有趣且有用的网站，您可以像游戏一样交互式操作，并同时学习机器学习概念、模型和应用知识。以下是 ShowMeAI 为大家整理的18个交互式机器学习网站，学起来！
阅读全文
机器学习算法理论比较枯燥乏味，但有许多有趣且有用的网站，您可以像游戏一样交互式操作，并同时学习机器学习概念、模型和应用知识。以下是 ShowMeAI 为大家整理的18个交互式机器学习网站，学起来！
阅读全文
摘要：
本文讲解一种比较全能的『机器学习模型可解释性』方法——SHAP。通过调用Python的SHAP工具库，对机器学习模型做可解释性分析，判断不同特征对于当前模型的重要程度。
阅读全文
本文讲解一种比较全能的『机器学习模型可解释性』方法——SHAP。通过调用Python的SHAP工具库，对机器学习模型做可解释性分析，判断不同特征对于当前模型的重要程度。
阅读全文
摘要：
客户分群（客户细分）对于绘制用户画像、构建个性化推广、产品和服务策略，都非常重要。本文讲解此过程中，多种机器学习聚类算法的建模流程与评估模式。
阅读全文
客户分群（客户细分）对于绘制用户画像、构建个性化推广、产品和服务策略，都非常重要。本文讲解此过程中，多种机器学习聚类算法的建模流程与评估模式。
阅读全文
摘要：
本文以保险金额预估为例，讲解机器学习从开发到云端服务部署的全流程：基于PyCaret开发机器学习全流程、基于Flask搭建简易前端Web应用程序、在Heroku云上部署机器学习应用。
阅读全文
本文以保险金额预估为例，讲解机器学习从开发到云端服务部署的全流程：基于PyCaret开发机器学习全流程、基于Flask搭建简易前端Web应用程序、在Heroku云上部署机器学习应用。
阅读全文
摘要：
数据随着时间变化，会导致已有模型的准确度大打折扣，这就是数据漂移问题。本文讲解数据漂移问题的诸多实际案例、检测方法、基于evidently库的代码实现。
阅读全文
数据随着时间变化，会导致已有模型的准确度大打折扣，这就是数据漂移问题。本文讲解数据漂移问题的诸多实际案例、检测方法、基于evidently库的代码实现。
阅读全文
摘要：
如何预测客户价值，计算特定时间段内能带来的价值，是互联网公司在面临海量用户时急需解决的运营命题。本文就来讲解『机器学习+RFM模型』的精细化运营解决方案。
阅读全文
如何预测客户价值，计算特定时间段内能带来的价值，是互联网公司在面临海量用户时急需解决的运营命题。本文就来讲解『机器学习+RFM模型』的精细化运营解决方案。
阅读全文
摘要：
『人工智能+新药研发』已经成为国内外医药企业的发展新模式！本文讲解 AI 在新药研发领域的诸多应用方向与 MolSearch 工具库的应用实践——药物晶型预测、靶点选择、患者招募、虚拟药物筛选、AI新药研发辅助系统。
阅读全文
『人工智能+新药研发』已经成为国内外医药企业的发展新模式！本文讲解 AI 在新药研发领域的诸多应用方向与 MolSearch 工具库的应用实践——药物晶型预测、靶点选择、患者招募、虚拟药物筛选、AI新药研发辅助系统。
阅读全文
摘要：
特征工程一般是手动完成，不仅依赖于工程师的丰富经验，也非常耗时。因此『自动化特征工程』可以自动生成大量候选特征，帮助数据科学家显著提升了工作效率和模型效果。
阅读全文
特征工程一般是手动完成，不仅依赖于工程师的丰富经验，也非常耗时。因此『自动化特征工程』可以自动生成大量候选特征，帮助数据科学家显著提升了工作效率和模型效果。
阅读全文
摘要：
客户分群对于精准营销的意义重大，而机器学习可以优化这一过程。本文会详细拆解实现过程：数据收集、创建RFM表、探索数据&数据变换、应用聚类做用户分群、解释结果。
阅读全文
客户分群对于精准营销的意义重大，而机器学习可以优化这一过程。本文会详细拆解实现过程：数据收集、创建RFM表、探索数据&数据变换、应用聚类做用户分群、解释结果。
阅读全文
摘要：
本文基于Airbnb在大曼彻斯特地区的房源数据，构建机器学习模型，进行数据分析与挖掘建模，预测民宿房源的价格走势。当然，同样的方法模式也可以应用在国内平台。
阅读全文
本文基于Airbnb在大曼彻斯特地区的房源数据，构建机器学习模型，进行数据分析与挖掘建模，预测民宿房源的价格走势。当然，同样的方法模式也可以应用在国内平台。
阅读全文
摘要：
本文通过数据科学和AI的方法，分析挖掘人力资源流失问题，构建基于机器学习的解决方案，并通过对AI模型的反向解释，深入理解导致人员流失的主要因素。
阅读全文
本文通过数据科学和AI的方法，分析挖掘人力资源流失问题，构建基于机器学习的解决方案，并通过对AI模型的反向解释，深入理解导致人员流失的主要因素。
阅读全文
摘要：
本文将基于保险欺诈场景案例讲解如何进行有效的图挖掘，并将挖掘到的信息提供给AI模型，辅助精准检测和识别商业保险欺诈。
阅读全文
本文将基于保险欺诈场景案例讲解如何进行有效的图挖掘，并将挖掘到的信息提供给AI模型，辅助精准检测和识别商业保险欺诈。
阅读全文
摘要：
本文使用tf-idf（词频-逆文件频率）、lsi（潜在语义索引）和 doc2vec(文档向量化嵌入)这3种最基础的NLP文档嵌入技术，对文本进行嵌入操作（即构建语义向量）并完成比对检索，构建一个基础版的文本搜索引擎。
阅读全文
本文使用tf-idf（词频-逆文件频率）、lsi（潜在语义索引）和 doc2vec(文档向量化嵌入)这3种最基础的NLP文档嵌入技术，对文本进行嵌入操作（即构建语义向量）并完成比对检索，构建一个基础版的文本搜索引擎。
阅读全文
