按产品、主题或内容类型过滤

(0 产品)

(3 主题)

(0 行业)

(2 类别)

第 1 - 100 条,共 160 条 | 下一页
显示内容简介 | 隐藏内容简介
查看结果
题目 none 类别 none 日期 down
在 IBM Cloud Functions 中利用深度学习
了解如何监控 Cloud Object Storage 存储空间中的更改并使用深度学习微服务分析这些更改数据。
教程 2020年 01月 15日
学习路径:Model Asset Exchange 简介
开发者可在 Model Asset Exchange 中找到并使用免费的开源深度学习模型。通过完成本学习路径,您可以探索 Model 群并学习如何在 Web 应用程序、Node-RED 数据流或无服务器应用程序中使用这些模型。
教程 2020年 01月 15日
在 Node-RED 数据流中利用深度学习模型
在 Node-RED 数据流中使用 Model Asset Exchange 中的深度学习模型来处理图像、视频、音频或文本数据。
教程 2020年 01月 09日
创建第一个由 Assistant 支持的聊天机器人
获取 Watson Assistant 的概述,了解它如何帮助您利用 AI 之力将客户与服务资源联系起来,吸引客户参与互动,并为他们解决问题。
教程 2019年 12月 12日
机器学习和偏差
观察机器学习模型偏差的影响,探索消除此类偏差的方法。
技术文章 2019年 10月 10日
生成机器学习模型管道,为问题选择最佳模型
了解有关 AutoAI 的更多信息,AutoAI 是一种自动执行机器学习任务的服务,例如,自动准备数据进行建模、为问题选择最佳算法以及为训练模型创建管道。
教程 2019年 09月 25日
Watson Assistant 简介
获取 Watson Assistant 的概述,并了解如何利用 AI 的功能将客户与服务资源相连接、使其保持互动并解决问题。
技术文章 2019年 09月 19日
AI 与安全性
探索如何在威胁检测与管理中使用机器学习算法。
技术文章 2019年 09月 12日
深度学习框架 - IBM AIX 上支持 ONNX 的 Pytorch 和 Caffe2
本教程旨在探讨如何在 AIX 7.2 上构建和安装 PyTorch 或 Caffe2,并将其用于不同的 ML/DL 用例。此外,还探讨了将小尾数 (LE) 格式的可用 ONNX 模型转换为大尾数 (BE) 格式以在 AIX 系统上运行的方法。
技术文章 2019年 08月 28日
漫谈误差函数
误差函数是基于梯度优化的机器学习算法的核心理论,本文介绍了误差函数的概念、性质和分类,并结合实例讨论误差函数的设计思路和方法。
技术文章 2019年 05月 09日
使用 Watson Studio Neural Network Modeler 和 Experiments 构建深度学习模型
通过构建深度神经网络构建一个用于检测伪造签名的模型。您将学习如何使用 Watson Studio 的 Neural Network Modeler 快速构建架构原型并进行测试。您还将学习如何下载通过 Neural Network Modeler 生成的代码,并将其插入 Watson Studio 的 Experiments Hyperparameter Optimization。
教程 2019年 04月 17日
通过评估遭遇山火灾害的居住来区识别烧毁和完好的房屋
使用无人机航拍影像、Watson Studio 和 Watson Visual Recognition 来评估遭遇山火灾害的居住区,并识别烧毁和完好的房屋。
教程 2019年 04月 17日
通过 Android Studio 中的 Watson Android SDK 构建应用程序
了解 Watson Android SDK 和一些 Watson API 的基础知识,利用 Android Studio 构建样本应用程序。
教程 2019年 04月 10日
使用 PowerAI Vision 检测对象
了解如何使用 PowerAI Vision 为对象检测创建模型和 REST 端点。
教程 2019年 04月 09日
设置您自己的聊天机器人实例并部署至 IBM Cloud 上的 Kubernetes 环境
结合运用 Watson Assistant 与 IBM Cloud Kubernetes 服务,帮助您的团队实现 24/7 式全天候客户互动。
教程 2019年 04月 09日
计算机视觉、TensorFlow 和 Keras,第 1 部分: 使用 TensorFlow 和 Keras 进行图像识别
使用计算机视觉、TensorFlow 和 Keras 进行图像分类和处理。
技术文章 2019年 03月 20日
计算机视觉、TensorFlow 和 Keras,第 2 部分: 优化深度学习模型
使用一些众所周知的机器学习技术改进神经网络模型。
技术文章 2019年 03月 20日
深度学习框架 Caffe2 在 Kubernetes 上的实践
本文会通过实验的方式展现 Caffe2 在 Kubernetes 集群上运行的案例,并会分析案例中的源代码,以期读者对 Caffe2 有一定了解。
教程 2019年 03月 19日
利用 Watson Natural Language Understanding 和 Node-RED 分析新闻文章
使用 Node-RED Starter Kit 和 Watson Cloud 服务将新闻文章 URL 发送至 Watson API 并检索响应表。
技术文章 2019年 03月 19日
Model Asset Exchange 入门
了解如何将来自 IBM Developer 上的 Model Asset Exchange 的免费开源深度学习模型作为微服务部署到 Docker 上,并在 Python 或 Node.js Web 应用程序中使用这些微服务。
教程 2019年 03月 14日
代码的背后,第 8 部分: Fantasy Football 洞察实战
从非结构化数据中获取的深入洞察与 ESPN 传统球员统计数据和分析相辅相成。
技术文章 2019年 03月 06日
在 Power 系统上安装 PyTorch
了解如何在 Power 平台上通过源代码安装 PyTorch。
教程 2019年 02月 27日
了解如何导出和导入 Watson Assistant 工作区
利用 Watson Assistant 构建虚拟代理的团队将使用意图和实体来定义代理的领域,并构建代理通过对话进行交谈的能力。
教程 2019年 02月 13日
代码的背后,第 6 部分: 融合的 Fantasy Football 洞察
了解 Watson 如何利用各种各样的数据源来提供 AI 洞察。 无须阅读、观看和绘制统计数据链接,Fantasy Football 经理就可以使用融合的 AI 洞察进行精确、有针对性的球员预测和分数预测。
技术文章 2019年 02月 11日
代码的背后,第 7 部分: Fantasy Football 深度可视化
可视的证据基础可以在您选择球队人员时提供全面意见。
技术文章 2019年 02月 11日
代码的背后,第 4 部分: 用于获取 Fantasy Football 洞察的机器学习管道
训练和评估机器学习管道这一科学流程可以做出高度准确的预测,从而帮您取得成功。
技术文章 2019年 01月 09日
代码的背后,第 5 部分: AI Fantasy Football 洞察的移动化
通过 Watson 扩展 ESPN Fantasy Football 的覆盖范围,可以帮助您从全球任何角落筛选基于证据的洞察。
技术文章 2019年 01月 09日
代码的背后,第 3 部分: Fantasy Football 洞察的证据支持
ESPN 和 IBM 携手合作,为 Fantasy Football 球队所有者带来全新的洞察:Watson AI。
技术文章 2018年 12月 26日
代码的背后,第 1 部分: 数十亿次精准的 Fantasy Football 预测
了解 ESPN Fantasy Football with Watson 系统中的每个组件,以及我们如何使用 Watson 构建世界级的 AI 解决方案。
技术文章 2018年 12月 19日
代码的背后,第 2 部分: 持续可用的足球分析
当您因考虑 ESPN Fantasy Football 的阵容选择而夜不能寐时,IBM Watson AI 可以为您提供支持。
技术文章 2018年 12月 19日
IBM Watson Assistant 和 Apache Solr 助力以自然方式搜索电子商务产品
将 Watson Assistant 聊天机器人与 Apache Solr 企业搜索平台相连接,充分利用其会话能力 -- 所有这些都支持购物者以最自然的语音方式对产品进行搜索。
技术文章 2018年 07月 18日
将 Watson Assistant 集成到现有站点中的一种混合方法
混合搜索是使用 IBM Watson Assistant 的一种全新方式,它摒弃了传统聊天机器人的一些限制。这种方法使您能够尽显两方面的优势:一方面是结合了 AI 技术的强大搜索引擎;另一方面,AI 技术又能够随着 Watson 不断接受更多训练而逐步演进。
技术文章 2018年 07月 04日
利用人工智能创建模式,第 3 部分: 使用马尔可夫链通过字母相关矩阵和 N 元词生成语言
既然您已经了解了如何在模型自然语言文本中编译字母相关和单词相关的统计信息,就可以实际运用,使计算机自动生成文本。了解如何编写程序,根据随机生成的转换来创建字母或单词序列,完成 N 元词。
技术文章 2018年 06月 04日
卷积神经网络
研究卷积神经网络 (CNN),了解如何使用 Python 实现一个对手写数字进行分类的简单网络。
技术文章 2018年 05月 29日
利用人工智能创建模式,第 2 部分: 各种实用应用程序中的词语分析和 N 元模型
根据顺序字母的 N 元模型概念构建,旨在观察词语的 N 元模型以及可从中衍生出的统计信息。了解如何生成 N 元模型频率的图形化绘图。探索美国国家语料库,将其用作一个庞大且丰富的英语文本来源,适用于一般用途的语言建模任务。
技术文章 2018年 05月 21日
利用 IBM Watson Explorer 分析分层数据的上下文内容
本教程展示如何实现自定义的搜寻器插件及 IBM Watson Explorer,在内容分析上下文中分析分层数据结构。此处概述的策略允许保留分层结构或所分析模型的颗粒。
技术文章 2018年 05月 16日
利用人工智能创建模式,第 1 部分: 针对 AI 的字母关联和简单语言统计
AI 不仅能识别模式,还能基于模式来生成表达。这在智能代理世界越来越重要。了解生成式 AI,这是一种对现代开发人员至关重要的技术。作为第一步,可以考虑自然语言中的模式,以及如何对这些模式进行建模,让机器做好准备生成自己熟悉的语言表达。了解如何利用基本的字母频率统计数据,通过使用基于矩阵的模型在字母间建立关联。
技术文章 2018年 05月 08日
使用深度学习为异常检测开发认知 IoT 解决方案,第 5 部分: 使用 Keras 和 TensorFlow 执行异常检测
“使用深度学习为异常检测开发认知 IoT 解决方案”系列分 5 个部分,本文是第 5 部分。文中将演示一个使用 Keras 和 TensorFlow 的深度学习解决方案,以及如何使用该解决方案分析 IoT 传感器收集的大量数据。
技术文章 2018年 05月 07日
在 IBM Cloud 中构建一个聊天机器人
如果您准备开始开发聊天机器人,IBM Cloud 中的 Watson 服务能帮您轻松完成此任务。在本教程中,您将了解构建能够智能响应用户的聊天机器人的基础和高级技术。
技术文章 2018年 04月 25日
将业务聊天机器人移植到 Watson Assistant
倾听 Watson Applied Research 团队成员解释他们如何使用 Watson Assistant 帮助一个客户改进其聊天机器人。
技术文章 2018年 04月 18日
构建一个认知 IoT 应用程序仅需 7 步
依照一种边缘计算架构,构建一个认知 IoT 解决方案。将您的分析推送到网关,并使用高级机器学习获知检测异常。
技术文章 2018年 04月 17日
有监督学习模型
查看有监督学习背后的理论和概念,以及它在探究数据和数据集及计算概率方面的应用。
技术文章 2018年 04月 03日
为各行各业构建认知解决方案,第 4 部分: 提高人机交互的简单性和质量
认知计算在企业中变得越来越重要。在本系列的第 4 部分中,我们将讨论为电信和媒体娱乐行业构建认知解决方案的主要方法和模式。
技术文章 2018年 03月 28日
认知体验设计,第 1 部分: 人机通信模型
以比人类更快的速度、更高的置信度发现更有用的洞察。朝正确的认知应用程序发展方向踏出第一步的关键是:不要问它能做什么,而要问它应该做什么。对于人工智能 (AI),我们拥有关于人类思维过程和沟通的数十年数据和研究成果来制作蓝图。为了模拟人类的关系,我们首先应该观察并更好地了解我们自己。
技术文章 2018年 03月 21日
了解您的深度学习框架,第 2 部分: PyTorch 入门
PyTorch 最初被开发为基于 LuaJIT 的 Torch 框架的 Python 包装器,现在是一个原生的 Python 包,它在 Python 中重新设计和实现 Torch,并在后端代码中共享相同的核心 C 库。初识 PyTorch。
技术文章 2018年 03月 21日
吸取的 IoT 相关经验教训,第 2 部分: 构建闭环全栈认知 IoT 应用程序时吸取的经验教训
这篇文章介绍了吸取的经验教训,说明这个毕生沉迷于计算机事业的电脑高手如何将新兴 IoT 和认知技术结合起来,为就地养老医疗保健方案创建概念验证。包含的经验教训:认知 IoT 应用程序必须是学习系统;环境决定成功;人们对于自己在哪些方面一无所知并不总是有个清醒的认识。
技术文章 2018年 03月 08日
了解您的深度学习框架,第 1 部分: Keras 入门
本文为您提供了基于 Python 的深度学习库 Keras 的快速概述。了解此框架的优势、支持的平台、安装注意事项以及支持的后端。
技术文章 2018年 02月 28日
清理、处理和可视化数据集,第 3 部分: 可视化数据
在本教程中,将会探索可视化数据的一些更有用的应用,以及一些可用来创建这种可视化的方法,包括 R 编程语言、gnuplot 和 Graphviz。
技术文章 2018年 02月 27日
用于数据分类的无监督学习
通过本教程您可以了解无监督学习背后的理论和概念,以及它在数据和数据集探索中可能的应用。
技术文章 2018年 02月 14日
了解您的深度学习框架,第 3 部分: Deeplearning4j 入门
Eclipse Deeplearning4j (DL4j) 是利用 Java 虚拟机的包含深度学习工具和库的框架,简化了在企业大数据应用程序中部署深度学习的过程。
技术文章 2018年 02月 14日
使用深度学习为异常检测开发认知 IoT 解决方案,第 4 部分: 使用 Apache SystemML 执行异常检测
“使用深度学习为异常检测开发认知 IoT 解决方案”系列分 5 个部分,本文是第 4 部分。文中将演示一个使用 Apache SystemML 的深度学习解决方案,以及如何使用该解决方案分析 IoT 传感器收集的大量数据。
教程 2018年 01月 31日
使用 Neuroph Java 框架创建人工神经网络
使用 Java 语言和 Neuroph 开源框架构建人工神经网络 (ANN)。
技术文章 2018年 01月 29日
了解您的深度学习框架,第 4 部分: TensorFlow 入门
TensorFlow 只是许多用于机器学习的开源软件库中的一个。在本教程中,将概述 TensorFlow,了解哪些平台支持它,并考虑安装注意事项。
技术文章 2018年 01月 18日
从 Watson Retrieve and Rank 迁移到 Discovery,第 2 部分: 将您的数据添加到 Watson Discovery
本系列第 1 部分介绍了如何使用原始来源数据从 Watson Retrieve and Rank 迁移到 Watson Discovery 服务。在这一部分,我们将介绍如何通过直接从 Watson Retrieve and Rank 获取数据并将其添加到 Watson Discovery 来迁移应用程序。
技术文章 2018年 01月 18日
机器学习模型
深入剖析机器学习中使用的算法。了解监督学习、无监督学习和强化学习,以及实现它们的模型。
技术文章 2018年 01月 17日
样本代码:使用 Watson Natural Language Classifier 服务识别自然语言的语境
此代码将展示如何使用用于 Watson Natural Language Classifier 服务的 Java API。给定一段文本和一种语境,Watson 分析文本并返回一组与该文本相关的类别列表。
技术文章 2018年 01月 12日
样本代码:使用 Watson Natural Language Classifier 服务识别自然语言的语境
此代码将展示如何使用用于 Watson Natural Language Classifier 服务的 node.js API。给定一段文本和一种语境,Watson 分析文本并返回一组与该文本相关的类别列表。
技术文章 2018年 01月 12日
样本代码:使用 Watson Personality Insights 服务分析文本
此代码将展示如何使用用于 Watson Personality Insights 服务的 Java API。给定一段文本,Watson 分析演讲者的开放性、严谨性、外向性、随和性、情绪范围和需求。
技术文章 2018年 01月 11日
样本代码:使用 Watson Language Translator 服务翻译自然语言
此代码将展示如何使用用于 Watson Language Translator 服务的 Java API。给定一段文本、一种源语言和一种目标语言,Watson 翻译该文本并返回一种或多种翻译版本。
技术文章 2018年 01月 11日
样本代码:使用 Watson Tone Analyzer 服务识别书面文本的语气
此代码将展示如何使用用于 Watson Tone Analyzer 服务的 node.js API。给定一段文本,Watson 评估语气,寻找各种语气特征,比如演讲者的愤怒、厌恶、开心、恐惧和悲伤等语气特性。
技术文章 2018年 01月 11日
样本代码:使用 Watson Tone Analysis 服务识别书面文本的语气
此代码将展示如何使用用于 Watson Tone Analysis 服务的 Java API。给定一段文本,Watson 评估语气,寻找各种语气特征,比如演讲者的愤怒、厌恶、开心、恐惧和悲伤等语气特性。
技术文章 2018年 01月 11日
样本代码:使用 Watson Personality Insights 服务分析文本
此代码将展示如何使用用于 Watson Personality Insights 服务的 node.js API。给定一段文本,Watson 分析演讲者的开放性、严谨性、外向性、随和性、情绪范围和需求。
技术文章 2018年 01月 11日
Watson Explorer 实战操作,第 1 部分: 如何构建一个内容分析集合
Watson Explorer (以下简称 WEX)历史源远流长!早在 1997 年,IBM 研究院就启动了一个做文本挖掘的项目,利用自然语言的技术来处理机器翻译和数据图书馆的的需求。1998 年,诞生了文本挖掘和知识管理系统(Text Analysis and Knowledge Mining - TAKMI),这就是 Watson Explorer 的前身。它当年被用于分析约 50 万份 PC 用户联系记录,即呼叫中心的客户交互数据,极大改善了客服质量和显著地降低了成本,同时发现和定位了大量的产品问题。它最核心的技术就是基于 Unstructed Information Mangement Architecture - UIMA 架构的自然语言处理功能。最终让这个产品一战成名还是 2011 年美国著名的人机智力竞赛:Jeopardy! 机器居然能在实时问答的智力抢答竞赛中战胜了人类。
技术文章 2018年 01月 10日
分析 IoT 设备移动数据
本教程是在“创建简单有趣的 IoT 加速计游戏”教程的基础上编写的。本教程将展示如何采集 3 种不同类型的移动数据(而不只是 1 种),如何使用 IBM Watson IoT Platform 将该数据发送到 IBM Cloud,最后将展示如何使用 Watson Machine Learning 服务和 SPSS Modeler 分析该数据。
技术文章 2018年 01月 03日
让 DevOps 适合认知和人工智能系统
概略地探讨一种“认知 DevOps”流程,该流程通过提炼和调整 DevOps 的精华,创造新的认知或人工智能应用程序。具体来讲,本教程将介绍如何对认知系统的训练流程应用 DevOps,包括训练数据、建模和性能评估。
技术文章 2018年 01月 03日
Watson Conversation 服务,第 2 部分: Watson Conversation 对话原理以及高级应用 (下)
IBM Cloud 云平台提供了认知计算的解决方法,其中 Watson Conversation 提供了构建聊天机器人的服务,本文主要介绍 Conversation 服务中的 dialog 的原理以及高级应用构建。
技术文章 2018年 01月 03日
Watson Conversation 服务,第 1 部分: Watson Conversation 对话原理以及高级应用(上)
IBM 云平台提供了认知计算的解决方法,其中 Watson Conversation 提供了构建聊天机器人的服务,本系列文章主要介绍了 Conversation 服务中的 dialog 的原理以及高级应用构建。
技术文章 2018年 01月 03日
样本代码:使用 Watson Language Translator 服务翻译自然语言
此代码将展示如何使用用于 Watson Language Translator 服务的 node.js API。给定一段文本、一种源语言和一种目标语言,Watson 翻译该文本并返回一种或多种翻译版本。
技术文章 2017年 12月 29日
样本代码:使用 Watson Visual Recognition 服务识别图像中的物体
此代码将展示如何使用用于 Watson Visual Recognition 服务的 node.js API。给定一幅图,Watson 尝试识别该图中的物体。
技术文章 2017年 12月 29日
样本代码:使用 Watson Visual Recognition 服务识别图像中的面部
此代码将展示如何使用用于 Watson Visual Recognition 服务的 node.js API。给定一幅图,Watson 在该图中寻找面部,并尝试识别每个面部。
技术文章 2017年 12月 29日
为您的 IT 运营构建一个认知警报系统
学习如何在一个 IoT 设备上集成 IT 服务管理与 AI 服务。您将为您的 IT 运营构建一个认知警报系统。
技术文章 2017年 12月 28日
通过强化学习训练软件代理执行合理行为
了解强化学习,这是机器学习的一个子领域,您可以通过强化学习训练软件代理在环境中执行合理行为。在本文中,您将深入了解该技术,并发现可以用它解决的一些问题领域。
技术文章 2017年 12月 27日
聪明的数据,第 2 部分: 对提供给 AI 应用程序的数据应用软件开发生命周期
对用于人工智能 (AI) 和认知应用程序的数据应用迭代软件开发生命周期 (SDLC)。改进获取并评估数据集(以及控制维度)的系统,所有改进都通过为周期中每次迭代提供数据的评估来实现。
技术文章 2017年 12月 20日
迁移 Retrieve and Rank API 数据,第 1 部分: 从 Watson Retrieve and Rank 迁移到 Watson Discovery Service
本教程展示了如何使用来自 Retrieve and Rank 示例的相同数据来创建并训练一个 Discovery 集合。
技术文章 2017年 12月 20日
聪明的数据,第 1 部分: 关注数据,以便最充分地利用人工智能、机器学习和认知计算
透彻理解数据在人工智能和认知应用程序的开发中的重要作用,以及这种重要性(尽管并不总是被明确承认)在整个 AI 历史中是如何发展变化的。了解可用数据的质量和数量如何在模式分析和训练中发挥重要作用。AI 在网络上再次兴起,但人们并没有普遍认识到良好的数据语料库是任何 AI 的生命之源。了解如何避免 AI 带来的巨大危险,如果从数据语料库引发偏见和统计倾斜问题,AI 将给我们带来危害,而不是造福我们。通过理解数据在各种 AI 技术中的作用,以及支持这些技术的数据集的特征,在开发成功的 AI 应用程序方面获得优势。
技术文章 2017年 12月 13日
AI 语言
从自学西洋跳棋到 IBM Watson 挑战 Jeopardy!,人工智能 (AI) 已受到计算机研究人员的密切关注。进一步了解 AI 的历史,以及推动其使用并完善其功能的语言。
技术文章 2017年 12月 05日
递归神经网络深入剖析
探索递归神经网络背后的概念,学习如何从头实现一个递归神经网络来执行序列数据预测。
技术文章 2017年 11月 28日
深度学习架构
了解深度学习神经架构和网络的范围和类型(包括 RNN、LSTM/GRU 网络、CNN、DBN 和 DSN),以及帮助您的神经网络快速正常运行的框架。
技术文章 2017年 11月 20日
巧用 Watson 构建应用程序:使用 Watson Visual Recognition 中的自定义分类器的最佳实践
本系列教程介绍了使用 Watson 服务的最佳实践技巧。
技术文章 2017年 11月 14日
指导 Watson 呈现哪些结果
使用 Relevancy Training 训练您的私有搜索集合,使用户能更快获得其问题的正确答案。了解 Watson 如何使用机器学习技术在查询中查找能应用于语料库的特定信号。
技术文章 2017年 11月 08日
可视化并分析专有和公共数据集中的数据,第 3 部分: 样本 Notebook 演练
了解 IBM Watson for Real World Evidence,这是一个基于云的交互式 Watson Health Life Sciences 平台,决策者、分析师和数据科学家可使用它生成并测试各种假设。
技术文章 2017年 11月 08日
可视化并分析专有和公共数据集中的数据,第 2 部分: 一个典型工作流
了解 IBM Watson for Real World Evidence,这是一个基于云的交互式 Watson Health Life Sciences 平台,决策者、分析师和数据科学家可使用它生成并测试各种假设。
技术文章 2017年 11月 01日
使用深度学习为异常检测开发认知 IoT 解决方案,第 2 部分: 生成用于异常检测的数据
“使用深度学习为异常检测开发认知 IoT 解决方案”系列分 5 部分,本文是第 2 部分。本文是一篇介绍使用 Node-RED 创建测试数据模拟器的教程。
技术文章 2017年 10月 25日
使用深度学习为异常检测开发认知 IoT 解决方案,第 3 部分: 使用 Deeplearning4j 执行异常检测
“使用深度学习为异常检测开发认知 IoT 解决方案”系列分 5 部分,本文是第 3 部分。文中将演示一个使用 Deeplearning4j 的深度学习解决方案,以及如何使用它分析 IoT 传感器收集的大量数据。
技术文章 2017年 10月 25日
可视化并分析专有和公共数据集中的数据,第 1 部分: Watson for Real World Evidence 概述
了解 IBM Watson for Real World Evidence,这是一个基于云的交互式 Watson Health Life Sciences 平台,决策者、分析师和数据科学家可使用它生成并测试各种假设。
技术文章 2017年 10月 24日
神经网络深入剖析
在本教程中,将深入了解神经网络。阅读神经网络的背景,了解它们为什么是当今机器学习领域的主导力量。
技术文章 2017年 10月 11日
在 Data Science Experience 中通过 Watson 和 Spark 从社交媒体帖子中提取洞察
本文介绍了结合使用 Watson Developer Cloud 服务针对大数据提出了优化的分析解决方案,从社交媒体帖子中提取洞察。在本文解释了如何完成获取数据,整理和清理数据,分析和可视化数据,以及扩充数据来获取价值的完整过程。
技术文章 2017年 08月 30日
通过 Watson Discovery 中的 Passage Retrieval 快速寻找相关信息
了解 IBM Watson Discovery 服务中包含的 Passage Retrieval 如何帮助您从大量非结构化数据中寻找相关信息。
技术文章 2017年 08月 07日
使用 Watson 和 IoT Platform 服务构建家庭助理移动应用程序
本教程将介绍一个移动应用程序如何使用 Watson Conversation、Text to Speech 和 Speech to Text 服务来理解用户命令,然后通过 IBM IoT Platform 服务使用这些命令来控制设备。本教程还将介绍如何集成 Raspberry Pi 作为家庭网关,以便从移动应用程序接收命令并向其发送事件。最后,将介绍如何使用 Object Storage 服务存储图像。
技术文章 2017年 07月 19日
使用深度学习为异常检测开发认知 IoT 解决方案,第 1 部分: 介绍深度学习和长期记忆网络
“使用深度学习为异常检测开发认知 IoT 解决方案” 系列分 4 部分,本文是第 1 部分。本文将介绍深度学习和神经网络的概念,以及可以如何使用它们来分析 IoT 传感器收集的大量数据。
技术文章 2017年 07月 19日
人工智能、机器学习和认知计算入门指南
整体了解人工智能的发展史,以及最新的神经网络和深度学习方法。了解为什么尽管 AI 和机器学习的发展跌宕起伏,但是深度学习和认知计算等新方法仍大大提高了这些学科的标准。
技术文章 2017年 07月 11日
使用 Watson Translator 服务进行机器翻译
本文介绍了如何使用 Watson 提供的机器翻译功能,以及如何使用 Watson 训练自己的机器翻译模型,并将该模型用于机器翻译。
技术文章 2017年 07月 05日
机器学习,深度学习 101
本文介绍了机器学习在各种分析中使用的现实意义正在日渐增加,并简要介绍深度学习。文中将介绍使用机器学习和深度学习的端到端流程,以及 IBM® Power Systems™ 的各种入门选项。
技术文章 2017年 07月 04日
大声说出来
在我们周围,到处都能看到自然语言处理和其他与人工智能相关的技术。探索这门科学的起源和未来可能的发展方向。
技术文章 2017年 07月 03日
使用 Bluemix、Watson Discovery 和 Cloudant 构建移动应用程序来分析其他应用程序
构建一个移动应用程序,为应用商店中排名前 10 的免费应用程序的评价提供分析。然后该应用程序会使用 Cloudant 存储应用程序细节。
技术文章 2017年 06月 19日
使用 Bluemix 上的 IBM Watson 为上市公司创建情绪信号
本教程将介绍我们团队如何使用 IBM Bluemix、Watson Natural Language Understanding API、抓取的网络数据和 Twitter 数据,创建一个网页来跟踪多家上市公司的情绪信号。我们还会提供此数据在股票研究中的两种可能用途。
技术文章 2017年 06月 14日
创建认知应用程序时需要知道的 5 件事
随着利用深入学习能力的应用程序的不断增加,人工智能技术也在不断增加各种各样的市场和应用的价值。本文将分析在开发智能应用程序时应考虑的 5 个重要概念。
技术文章 2017年 06月 06日
使用 Watson Conversation 打造聊天机器人
学习如何将 Watson Conversation 服务与另一个 Watson 服务 Natural Language Understanding 集成在一起,以扩充可从用户语音中提取的实体数量。
技术文章 2017年 05月 24日
使用 Watson Discovery 分析新闻并收集洞察
使用 Watson Discovery 服务从大数据中收集洞察。学习如何在 Bluemix 上设置一个 Discovery 实例,以及如何对 News 集合运行一些常见查询。
技术文章 2017年 05月 10日
为各行各业构建认知解决方案,第 3 部分: 让认知数据变得可以搜索和理解的设计模式
认知计算在企业中变得越来越重要。在本教程(本系列的第 3 篇)中,将介绍让认知数据变得可以搜索和理解的设计模式。
技术文章 2017年 05月 04日
第 1 - 100 条,共 160 条 | 下一页
显示内容简介 | 隐藏内容简介