Mobabel

Just One Pure ITer

Category: Artificial Intelligence AI

0

Theory & Solution

[转]如何用Intel Analytics Zoo/BigDL为已有客服平台添加AI功能？

1. 背   景 在如今商业高度发达的社会，客户支持服务平台已被广泛使用在售前和售后为客户提供技术或业务支持，例如银行的电话客服，淘宝京东等电商的在线客服等等。传统的客户支持服务平台仅仅是一个简单的沟通工具，实际的服务和问题解答都是靠大量的人工客服和客户直接交互。后来随着机器智能和自动化技术的提升，越来越多的商家开始为客服系统添加智能模块，节省人力，提升顾客的交互体验。

0

Theory & Solution

[转]你不可不知的10个深度学习方法

过去十年来，人们对机器学习的兴趣经历了爆炸式的增长。你几乎每天都能在计算机科学程序、行业会议和《华尔街日报》（Wall Street Journal）上看到机器学习的影子。在所有关于机器学习的讨论中，许多人都将机器学习能够做什么，与他们希望机器学习能够做什么混为一谈了。从根本上来说，机器学习就是使用算法从原始数据中提取信息，并在某种类型的模型中表示出来。我们使用这个模型来推断我们尚未建模的其他数据。

0

Recommendation System

[转]如何根据流行度搭建推荐模型

1. 最简单的流行度估计 什么是基于流行度（Popularity-based）？通俗地说，就是什么内容吸引用户，就给用户推荐什么内容。 这里面其实有一个隐含的假设，那就是物品本身的质量好坏和流行度有一定的正比关系。什么意思呢？就是说好的东西，自然关注的人就会多，自然就会有更多的谈论。当然，这是一个主观的假设，并不是所有质量高的物品都会有很高的流行度。然而，在不需要过多其他信息和假设的情况下，流行度可以算是衡量物品质量好坏的一个最简单的测度。 那么，如果我们能够在每一个时间点上准确地估计到一个物品的流行度，就只需要按照流行度的数值从高到低排序显示所有的物品就可以了。 然而，这里牵涉到一个问题，那就是如何判断一个物品在任何时间点上的流行度呢？有两个重要的因素影响着物品流行度的估计，那就是 时间和位置。

0

Theory & Solution

[转]十年云计算老兵零基础进军深度学习的方法论

人工智能是当今的热议行业，深度学习是热门中的热门，浪尖上的浪潮，但对传统 IT 从业人员来说，人工智能技术到处都是模型、算法、矢量向量，太晦涩难懂了。所以本文作者写了这篇入门级科普文章，目标是让 IT 从业者能看清读懂深度学习技术的特点，希望读者能够从中受益，顺利找到自己心仪的工作。