学习机器学习用到的一些数学方面的资料合集很全part10of13下载

PIPI_333 2018-06-12 11:40:33
学习机器学习用到的一些数学方面的资料合集很全part10of13
相关下载链接：//download.csdn.net/download/caozhy/10324394?utm_source=bbsseo
...全文
62 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
李宏毅机器学习 Machine_Learning_2019_Task 4_Part I
本文围绕李宏毅机器学习Task 4_Part I展开，旨在帮助读者理解概率模型。从基础概率推导贝叶斯公式及朴素贝叶斯公式，介绍了贝叶斯定理、推理及模型形式，还阐述了朴素贝叶斯的定义、方法与算法，最后对比了判别模型和生成模型。
机器学习生产化：从Notebook到高可用服务的七道关卡
本文系统阐述机器学习从Notebook到高可用服务落地的七大核心挑战：环境一致性、模型序列化安全、专用ML网关选型、特征服务解耦、业务语义化监控、秒级回滚机制及权限治理。强调分层治理架构（数据契约、模型服务、基础设施、观测治理），并结合电商实时推荐等真实案例，详解Conda环境锁定、SafeTorch序列化、KServe部署、Feast特征服务、Prometheus+Grafana可观测性及OPA权限控制等关键技术实践。
从Jupyter到生产：机器学习模型工程化落地全链路
本文系统阐述机器学习模型从Jupyter Notebook走向生产环境的工程化路径，涵盖环境一致性、数据流管道化、可靠性契约三大范式迁移；详解KFServing+Triton架构选型、模型序列化安全实践、特征服务化（Feast+Redis）、ML专属监控（数据漂移/概念漂移）、CI/CD优化（BuildKit）、K8s Helm多环境部署及Istio灰度发布等核心环节，强调SLA驱动的工程契约与全链路可观测性。
CS231n课程相关资料
本课程由斯坦福李飞飞团队主讲，旨在将机器学习者培养成计算机视觉算法工程师，涵盖Kaggle比赛实战。课程从基础知识出发，深入探讨深度学习、计算机视觉理论与实践，包括图像分类、卷积神经网络、RNN、LSTM及更多高级主题。
Notebook到生产环境的机器学习工程化交付实战
本文聚焦机器学习从Jupyter Notebook迈向生产环境的工程化交付实践，涵盖分层解耦架构（Notebook→Script→Container→Service→Platform）、冷启动优化、gRPC/HTTP混合推理服务、OSS路径驱动的模型版本管理、特征服务前置集成，以及本地验证、CI/CD、灰度发布、黄金指标监控、漂移检测和标准化回滚等7个关键交付环节，强调可复现性、可观测性与可演进性三大核心能力。
下载资源悬赏专区

13,654

社区成员

12,570,962

社区内容

发帖
与我相关
我的任务
社区描述
CSDN 下载资源悬赏专区
其他 技术论坛（原bbs）
社区管理员
  • 下载资源悬赏专区社区
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章