開發者玩轉機器學習不能錯過的15篇深度文章！

摘要：機器學習平台PAI是面向開發者和企業的機器學習/深度學習工程平台，提供包含資料标注、模型建構、模型訓練、模型部署、推理優化在内的AI開發全鍊路服務。開發者可以通過PAI快速建構訓練模型，如搭建一些《物體識别》、《驗證語音降噪等》有趣的實驗模型，也可以契合企業需求，實作企業個性化推薦，小編整理了一些基于PAI平台的模型開發訓練指南，供開發者參考收藏。

了解機器學習平台 PAI：​​https://www.aliyun.com/product/bigdata/learn​​

PAI-DSW入門指南&實踐

PAI-DSW是為算法開發者量身打造的雲端深度學習開發環境，內建JupyterLab，插件化深度定制化開發，無需任何運維配置，沉浸式體驗Notebook編寫、調試及運作Python代碼。支援開源架構的安裝，并提供阿裡巴巴深度優化的Tensorflow架構，通過編譯優化提升訓練性能。

1.阿裡雲機器學習PAI-DSW入門指南

​​2.新手上路：PAI-DSW實驗室建立攻略 | 《阿裡雲機器學習PAI-DSW入門指南》​​

​​3.大資料算命系列之用機器學習評估你的相親戰鬥力 | 《阿裡雲機器學習PAI-DSW入門指南》​​

​​4.半小時驗證語音降噪—賈揚清邀你體驗快捷雲上開發 | 《阿裡雲機器學習PAI-DSW入門指南》​​

​​5.四步訓練出自己的CNN手寫識别模型 | 《阿裡雲機器學習PAI-DSW入門指南》​​

​​6.如何自己訓練一個熱狗識别模型 | 《阿裡雲機器學習PAI-DSW入門指南》​​

推薦場景入門

推薦系統可以了解為推薦算法和系統工程的總和，即推薦系統=推薦算法+系統工程。關于推薦系統，很多的書和網上的資料更多的是聚焦到這個算法怎麼做，包括很多paper都說的是最新的推薦算法。但是，當開發者真正動手去搭建這套業務系統，特别是在雲上去做的時候，會發現其實是一個系統化的工程。即使知道推薦業務需要用哪些算法，你依然會面臨很多問題。比如說性能的問題、資料存儲的問題，等等。以下内容包含了基礎理論、算法和系統，供開發者學習。

1.推薦系統基本概念和架構

​​2.開放下載下傳！基于PAI個性化推薦系統開發指南​​

​​3.基于PAI 10分鐘搭建一個簡單推薦系統​​

​​4.基于PAI-Studio推薦召回場景-FM Embedding實作方案​​

​​5.推薦系統召回算法及架構說明​​

​​6.推薦系統排序算法及架構說明​​

企業最佳實踐