ECS的PAI的簡介
阿裡雲機器學習是基于阿裡雲分布式計算引擎的一款機器學習算法平台,以極低的代價幫助您的業務從BI時代跨入AI時代,真正實作人工智能觸手可及。
算法豐富 :100餘種算法元件,覆寫回歸、分類、聚類、文本分析等算法。
深度學習(GPU) :加強優化Tensorflow等深度學習架構性能,提供GPU分布式計算。
可視化操作界面 :拖拽式算法元件進行模組化,降低AI初學者門檻,提升AI專業者效率。
一站式服務 :提供完整的資料挖掘鍊路,做到一站式體驗。
優質、豐富的機器學習算法
機器學習平台上的算法都是經過阿裡大規模業務錘煉而成的,從算法的豐富性角度來看,阿裡雲機器學習平台不僅提供了基礎的聚類、回歸類等機器學習算法,也提供了文本分析、特征處理等比較複雜的算法。
ECS的PAI的操作攻略
機器學習指機器通過統計學算法,對大量的曆史資料進行學習進而生成經驗模型,利用經驗模型指導業務。目前機器學習主要在以下方面發揮作用:
營銷類場景:商品推薦、使用者群體畫像、廣告精準投放
金融類場景:貸款發放預測、金融風險控制、股票走勢預測、黃金價格預測
SNS關系挖掘:微網誌粉絲領袖分析、社交關系鍊分析
文本類場景:新聞分類、關鍵詞提取、文章摘要、文本内容分析
非結構化資料處理場景:圖檔分類、圖檔文本内容提取OCR
其它各類預測場景:降雨預測、足球比賽結果預測
機器學習籠統地講可以分為三類:
有監督學習(supervised learning):指每個樣本都有對應的期望值,通過模型搭建,完成從輸入的特征向量到目标值的映射,典型的例子是回歸和分類問題。
無監督學習(unsupervised learning):指在所有的樣本中沒有任何目标值,期望從資料本身發現一些潛在的規律,例如一些簡單的聚類。
增強學習(Reinforcement learning):相對來說比較複雜,是指一個系統和外界環境不斷地互動,獲得外界回報,然後決定自身的行為,達到長期目标的最優化。其中典型的案例就是阿法狗下圍棋,或者無人駕駛。
ML案例
每一個步驟右鍵都可以可視化輸出結果
1、案例之基于畫像特征的推薦
花錢開通GPU,才可以使用DL架構