发表在 对数据的科学 ·4月29日 针对企业llm 冷静的角度为什么无聊是最好的,即使对于AI -在过去的几周里,我们有一批定制LLM来自客户和合作伙伴的请求。这种兴奋,虽然必要,基于科技新闻泛滥,而不是得到一个基本的企业优势。llm,即使他们不是概念上比起从最遥远的基于变压器培训管道,需要太多… 大型语言模型 6分钟阅读 大型语言模型 6分钟阅读
发表在 对数据的科学 ·4月14日 我们赢得了第一个政府AI项目如何 的故事提供加拿大的前体接触到加拿大AI供应商列表——目录概述保持法律法规最新定义一个新的采购流程AI引擎导航监管股票概述早在2018年初,我们参加了加拿大联邦政府的创新采购车辆用一个简单的目标:寻找创新,将有助于现代化的所有行为和规定… 政府 14分钟阅读 政府 14分钟阅读
发表在 对数据的科学 ·2022年10月3日, 解释MLOps的商业考虑 评估云迁移的现实世界的约束——假设公司A公司是一个典型的中型工业领袖。他们已经有一个数据科学团队,一个非常成功的ML部署,和一个强大的数据基础设施。此外,与竞争对手相比,他们已经有了一些专家在云计算和数据工程。他们甚至有自己的领导… 机器学习 7分钟阅读 机器学习 7分钟阅读
2022年6月19日 MLOps在Red Hat起程拓殖,Ansible Podman 在企业服务器上启用机器学习的基础设施——所以你想做机器学习在Red Hat。对你有好处,你勇敢的灵魂。也许是因为你在银行工作,或者是因为你喜欢疼痛。可能两者兼而有之。概述在这个例子中,我们将关注的自动配置Red Hat Enterprise Linux… 机器学习 8分钟阅读 机器学习 8分钟阅读
发表在 对数据的科学 ·2022年6月7日, 比起PyTorch与TensorFlow对的基于变压器NLP的应用程序 部署注意事项时应优先使用BERT-Based模型- TL;在NLP博士:伯特是一个令人难以置信的发展。两大神经网络框架已经成功地和全面实施伯特,尤其是HuggingFace的支持。然而,尽管乍一看TensorFlow原型和部署的,容易PyTorch似乎有优势时量化和… Mlops 8分钟阅读 Mlops 8分钟阅读
发表在 对数据的科学 ·2022年2月17日, MLOps批处理:在gpu上运行气流 一个简单的Apache气流限制解决方案——有很多MLOps平台本地处理GPU访问,但我们享受简单的气流为我们的一些任务。本文考察的方法,允许PyTorch和Tensorflow栈。已经有几篇文章关于这个… Mlops 6分钟阅读 Mlops 6分钟阅读
发表在 对数据的科学 ·2021年9月2日 数据集的偏见:制度化的歧视或足够的透明度? 努力执行的美国抵押贷款的审查信息披露行为——[…]我们为什么需要这样的法律?1975年国会制定HMDA之前,公众筹集了很多担心抵押贷款——或者,更重要的是,缺乏-在一些城市,通常少数,社区。某些领域似乎在下降,部分原因是他们的居民无法… 数据科学 9分钟阅读 数据科学 9分钟阅读
发表在 对数据的科学 ·2020年8月18日, 如何管理你的职业AI实践 考虑在世界舞台上竞争时,企业和政府世界正在慢慢开始建造真正的数据科学部门内组织,扩大在离散的工作团队。(这里有一个约会,但仍然适用的普华永道报告。)… 人工智能 9分钟阅读 人工智能 9分钟阅读
发表在 对数据的科学 ·2019年6月11日 客户只能 了解加拿大的算法影响评估工具 必须与联邦政府做生意,(注:我不隶属于加拿大联邦政府。我们公司是一个合格的AI供应商,但我为本文的目标是展示如何解释和执行我认为将是一个强制性的要求任何供应商项目前进。)最近出现… 政府 8分钟阅读 政府 8分钟阅读
