La ricerca Fast Forward Labs è ora disponibile senza sottoscrizione
D'ora in avanti, tutti i report saranno disponibili pubblicamente e scaricabili gratuitamente. Col tempo, inoltre, concederemo accesso alle versioni aggiornate dei report precedenti, quindi torna spesso per esplorare le ricerche gratuite disponibili.
Il migliore amico dei nerd dei dati
Nonostante le sue promesse, il machine learning può essere davvero scoraggiante. I migliori sforzi possono essere rapidamente compromessi dall'incertezza legata a un panorama tecnico in rapida evoluzione, dai dubbi su come costruire e organizzare al meglio i team e dalla difficoltà di separare le affermazioni clamorose, dalla realtà.
Libera i dirigenti e i team addetti alla scienza dei dati in modo che possano focalizzarsi sul futuro dell'azienda, grazie a uno staff di ricerca virtuale dedicato che monitora continuamente le tecniche più recenti e le migliori prassi del settore, determinando come applicarle al meglio ai difficili problemi aziendali.
La ricerca dei Cloudera Fast Forward Labs si concentra sulle tendenze emergenti, che sono ancora in evoluzione per via delle scoperte di nuovi algoritmi, delle innovazioni hardware, della mercificazione tecnologica e della disponibilità dei dati. Insieme ai rapporti, vengono forniti dei prototipi di lavoro che mostrano le capacità dell'algoritmo e offrono una consulenza tecnica dettagliata sulla sua applicazione pratica.
Di cosa tratta un report di ricerca?
Un report di ricerca Cloudera Fast Forward Labs consente di accedere a nuovi casi d'uso per i dati e offre una serie di vantaggi importanti:
- Report di ricerca incentrati su diversi dati emergenti e su funzionalità rese possibili dal machine learning, che saranno rilevanti in un arco di tempo da sei mesi a due anni
- Un prototipo che dimostra la sua applicazione
Inoltre, puoi iscriverti alla nostra newsletter per aggiornamenti sulle nuove ricerche e i nuovi sviluppi in questo ambito.
La ricerca più recente
GRATUITO
Inferire il concept drift senza dati etichettati
Un concept drift avviene quando le proprietà statistiche di un dominio target cambiano nel tempo, causando il deterioramento delle prestazioni del modello. Generalmente il drift si individua monitorando una metrica di interesse e attivando una pipeline di riaddestramento quando la metrica scende al di sotto di una soglia stabilita. Tuttavia, questo approccio si basa sul fatto che, al momento della previsione, ci sia a disposizione un ampio bacino di dati etichettati, un vincolo irrealistico per molti sistemi di produzione. In questo rapporto, analizzeremo diversi approcci pensati per affrontare il concept drift quando i dati etichettati non sono immediatamente accessibili.
GRATUITO
Esplorazione dell'ottimizzazione multi obiettivo degli iperparametri
I nostri modelli di machine learning sono sviluppati in base ai "soliti sospetti": metriche come precisione predittiva, recall e accuratezza. Tuttavia, a noi interessa molto di più. I modelli di produzione devono soddisfare anche alcuni requisiti fisici , come latenza, ingombro di memoria o vincoli di fairness. L'ottimizzazione degli iperparametri diventa ancora più complessa quando sono presenti più metriche da ottimizzare. La nostra ricerca più recente esamina nel dettaglio questo scenario di ottimizzazione "multi obiettivo" degli iperparametri.
Servizi di consulenza Cloudera sul Machine Learning
Capire dove concentrare le risorse, come implementare pratiche efficaci e come accelerare il passaggio dallo sviluppo alla produzione evitando i vicoli ciechi tecnici.
Il blog dei Fast Forward Labs
-
Cloudera’s Applied ML Prototype Catalog Continues to GrowHere at Cloudera, we’re committed to helping make the lives of data practitioners as painless as pos...
-
Getting Started with Machine LearningAn introduction to Machine Learning and the Data Science Lifecycle The post Getting Started with Mac...
Al passo con il domani
Iscriviti alla nostra newsletter mensile e ricevi le ultime novità sull'intelligenza artificiale applicata oltre a notizie e informazioni sugli eventi della nostra azienda.