Публикации по теме 'google-cloud-platform'
Создание модели машинного обучения с помощью SQL
Создайте модель машинного обучения с помощью SQL в Google Big Query.
Несмотря на то, что машинное обучение уже является действительно продвинутым, у него есть некоторые недостатки, которые могут затруднить его использование.
Текущие рабочие процессы машинного обучения и их проблемы
Если вы работали с моделями машинного обучения, вы можете понять, что структура и их подготовка могут занимать очень много времени. В качестве типичной информации исследователи должны сначала обменять..
Прогнозирование кредитного риска с помощью Google Cloud AutoML
В этом сеансе мы будем использовать Google Cloud Vertex AI для обучения и обслуживания модели машинного обучения для прогнозирования кредитного риска с помощью табличного набора данных.
В этой главе мы узнаем, как;
Загрузить набор данных в Vertex AI Обучите модель машинного обучения с помощью AutoML Оценка производительности модели Развертывание модели в конечной точке Получить прогнозы
Создать набор данных
Прежде всего, мы создадим набор данных на платформе Vertex AI...
Облачная платформа Google: компонент N-BEATS
Создание пользовательского образа контейнера для архитектуры модели глубокого обучения N-BEATS
Операции машинного обучения (MLOPs) и Google Cloud
Операции машинного обучения (ML), или, как известно, MLOps, являются наиболее важным компонентом корпоративного ИИ. Без него модели машинного обучения и системы искусственного интеллекта (ИИ) никогда не выйдут за пределы стадии экспериментов или проверки концепции (PoC). MLOps — это критически важная инфраструктура, которая позволяет..
Ноутбуки на платформе AI с несколькими ядрами «Docker»
AI Platform Notebooks позволяет использовать различные платформы машинного обучения через образы виртуальных машин для глубокого обучения и контейнеры для глубокого обучения . Во время установки вы можете использовать различные фреймворки, такие как R, RAPIDS, TensorFlow, PyTorch, scikit Learn, XGBoost и т. д. Бывают ситуации, когда вы хотите использовать не только один фреймворк, а несколько в одном и том же блокноте AI Platform: если вы ML Engineer, который разрабатывает как PyTorch,..
Использование Kubeflow для финансовых временных рядов: Часть II - Использование графических процессоров по запросу
Это сообщение в блоге является частью серии сообщений на Kubeflow . Этот пост является продолжением первой части . В первой части мы увидели, как TF-задания Kubeflow можно использовать для выполнения нескольких обучающих заданий в Kubernetes для обучения различным моделям машинного обучения. В дальнейшем мы рассмотрим тот же вариант использования, но запустим задание TF на графическом процессоре , чтобы сократить время обучения.
Развертывание Kubeflow автоматически создает пул..
Система аутентификации OAuth — за кулисами
Все, что вам нужно знать об аутентификации OAuth. Изучите рабочий процесс OAuth, реализовав его в приложении Node.js.
Реализация системы аутентификации OAuth в нашем приложении и понимание технического рабочего процесса метода OAuth довольно сложны.
В этой статье давайте разберем рабочий процесс OAuth с точки зрения простого английского языка, а также его реализацию в среде Express.js. Здесь мы собираемся использовать Google OAuth для демонстрации.
Когда пользователь (из..
Как развернуть модель логистической регрессии на GCP
Взгляд инсайдера на логистическую регрессию и как развернуть модель логистической регрессии в GCP в качестве пакетного прогноза…
За последние два десятилетия машинное обучение стало одной из опор информационных технологий и, следовательно, довольно центральной, хотя обычно скрытой, частью нашей жизни. В связи с тем, что объем доступных данных постоянно растет, есть все основания полагать, что интеллектуальный анализ данных станет еще более широко распространенным в качестве необходимого..
