人工智慧

PAI-AutoML调参服务是通过算法的方式解放用户调节算法参数的工作。自2018年8月发布PAI-AutoML1.0版本以来，该功能已经帮助众多PAI的中小企业用户提升了模型的准确性，得到了不错的反馈。 PAI-AutoML1.0版本介绍文章：https://help.aliyun.com/document_detail/87393.html，为了进一步提升该服务的能力，PAI在今日发布AutoML调参服务2.0版本，目前该功能已经在PAI各区域服务全量上线。 在AutoML2.0版本中将包含以下Feature： 新增目前业内热门的高斯调参方法以及针对大规模数据改良后的高斯采样算法 增加了提前停止条件（EarlyStop）机制，帮助用户能更高效的利用资源 典型用户场景 某公司主营业务是广告DSP平台，对于广告DSP公司来讲，CTR预估准确性是营收的生命线。而CTR预估算法在机器学习领域属于二分类算法，目的是通过用户画像判断投放给用户的广告是否会被点击。 二分类算法如果在PAI平台选用GBDT或者RF这些算法需要有大量的参数调节，而且每个参数都具有很广的定义域，光靠人工手动调节很难锁定最优的参数组合。如下图，仅树的数目这一个参数就有[1,10000]这1万种参数可能性。 通过PAI-AutoML工具，只需要设置每个参数的大致范围，就可以通过调参算法自动找到最优参数组合： 从收益来讲，假设用户每日投放广告量为1000万次，使用AutoML之前的CTR预估准确率为0.7%，也就是投放1000万次会获得点击7万次。如果通过AutoML调参功能将CTR预估准确性提升到0.8%，可以帮助平台每天新增点击1万次。假设每次广告点击平台的收益是1元，那么平台日新增收入将增加1万元，年直接经济收益超过百万。 开箱即用 目前PAI-AutoML功能已经全面上线，只需要进入PAI-STUDIO页面，地址：https://pai.data.aliyun.com/console 新建项目并在首页模板中找到”基于对象特征的推荐“模板： 点击控制面板中的AutoML功能即可开始试用： 详细说明 在2.0版本中调参算法种类从4个增加到7个，各个算法详细说明如下： 算法名称 说明 Gause（高斯算法） 高斯过程，是一种非参数贝叶斯模型。作为经典算法，高斯过程已经广泛地被应用于超参优化领域。它通过不断观测超参配置表现来拟合代理模型，再通过模型的预测能力来强化决策，从而能在有限的尝试次数中更有目的地选出合适的超参结果。 […]

编辑推荐 与市面上已有的TensorFlow书相比，《深度学习原理与TensorFlow实践》的特色在于一是所有案例来自作者团队工作中的亲身实践，所选案例均是深度学习的经典应用，非常具有代表性；二是结合了深度学习的关键原理，强化读者对深度学习及TensorFlow架构的理解，从而能在知其然、并知其所以然的基础上，更好地运用TensorFlow来开发各类应用。 《深度学习原理与TensorFlow实践》所梳理出来的清晰脉络和关键知识点，必能让读者在内外兼修的基础上，循序渐进地提升功力，在人工智能时代大放异彩。 喻俨 莫瑜 主编 / 2017年6月出版 内容提要 《深度学习原理与TensorFlow实践》主要介绍了深度学习的基础原理和TensorFlow系统基本使用方法。TensorFlow是目前机器学习、深度学习领域最优秀的计算系统之一，《深度学习原理与TensorFlow实践》结合实例介绍了使用TensorFlow开发机器学习应用的详细方法和步骤。同时，《深度学习原理与TensorFlow实践》着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法，并结合实际场景和例子描述了深度学习技术的应用范围与效果。 《深度学习原理与TensorFlow实践》非常适合对机器学习、深度学习感兴趣的读者，或是对深度学习理论有所了解，希望尝试更多工程实践的读者，抑或是对工程产品有较多经验，希望学习深度学习理论的读者。 作者简介 喻俨 百纳信息（海豚浏览器）研发副总裁。2007年加入微软亚洲工程院，2011年加入百纳信息负责海外业务线，从0到1做过多个项目，现致力于AI和大数据产品的研究与应用。 莫瑜 先后任职于微软和海豚浏览器，从事搜索引擎、音乐检索/哼唱搜索、内容分发推荐算法和对话机器人技术研发。长期以来持续关注和实践大规模数据算法性能优化、搜索引擎、推荐系统和人工智能技术。 王琛 英国爱丁堡大学人工智能专业硕士，现为百纳信息技术有限公司人工智能方向负责人。早年参加过信息学奥林匹克竞赛获得河北省第一名、全国三等奖，并保送进入中山大学。大学期间，在ACM竞赛上也屡获佳绩。硕士毕业后就职于百度基础架构部，参与大数据平台研发工作，对大数据分析处理、分布式系统架构等方面都有比较深刻的理解。2014年加入百纳，负责多个项目的研发，自2016年起负责人工智能方向的探索。 胡振邦 拥有博士学位，百纳信息技术有限公司高级算法研究员，毕业于中国地质大学计算机学院地学信息工程专业。读博期间，参与了关于遥感卫星图像识别分析的863项目，并且是主要的研发人员。毕业以来，一直从事图像识别方面的算法研发工作，主要方向包括目标检测、图文检索、图像分类与验证等，在图像处理、计算机视觉等方面都有深厚的积累和经验。

最炫的技术新知、最热门的大咖公开课、最有趣的开发者活动、最实用的工具干货，就在《开发者必读》！ 每日集成开发者社区精品内容，你身边的技术资讯管家。 每日头条 12个知识点+20个干货案例+110道面试题，助你拿offer！| Python工程师面试宝典 或许在你投递你的简历之前，也在犹豫自己是不是真的合乎公司的要求。现在抛下你的杂念吧，无论你觉得不够自信，还是信心满满，这篇文章都能帮你了解一个Python工程师所需要的基础知识，快来次自检吧！ 12个Python核心知识点，20个经典场景分析和干货内容，110道面试题，最全Python面试宝典助你get your offer！！ 最强干货 阿里工程师谈，什么是好的代码？ 我们每天都与代码打交道，但当被问道什么是好的代码时，很多人可能会先愣一下，然后给出的回答要么比较空泛，要么比较散，没办法简单明了地概括出来。显然，这个问题并没有唯一的标准答案，谁都可以谈论自己的理解，今天谈谈我对于好代码的理解。 叮！阿里巴巴2020届毕业生笔试攻略来了，请查收！ 工程师的世界，不止代码，还应该有对未来的洞察与从容。2020届毕业生笔试攻略来了，请查收~ 阿里云安全研究成果入选人工智能顶级会议 IJCAI 2019， 业界首次用AI解决又一难题！ 阿里云被主论坛收录的论文《Locate Then

导读：传统企业的决策链路通常是自上而下的形式，因此在互联网化改造中，不仅仅是研发层面，整个公司的管理人员都需要做好知识升级和观念更新，这也是躺平设计家在过去几年的上云之路所经历的。本文将聚焦居然之家利用阿里云容器服务（ACK） 进行云原生实践历程，期待能帮助读者了解传统企业从传统单体架构向云原生演变的实践路径。 2009 年，居然设计家 (Homestyler) 研发团队正式成立，开始进行第一个版本的探索；如今，十年已过，居然设计家正式更名为躺平设计家，用户量近千万。在两年多的云原生实践改造过程中，整个团队经历了从运维数千台服务器再到全部交付给云，从探索上云到利用 Serverless 和 Service Mesh 完成云原生改造，最终整体可用性达到三个 9 以上，同时 IT 费用削减了近一半。本文分享了躺平设计家的云原生实践历程。 自 2013 年由 Pivotal 的 MattStine