机器学习

通过将棘手的问题分解成更小的块，深度学习技术可以确定仓库中减少流量的最佳区域。

校友创立的Pienso开发了一款用户友好的人工智能构建器，因此领域专家可以在不编写任何代码的情况下构建解决方案。

使用机器学习算法，研究人员可以预测可能干扰药物有效性的相互作用。

麻省理工学院的工程师开发了一种标签，可以近乎完美地揭示物品是真是假。钥匙在标签背面的胶水里。

麻省理工学院LIDS获得了阿巴拉契亚地区委员会的资助，这是一个多州合作项目的一部分，该项目旨在为农村地区使用的新型智能电网技术建模和测试。

麻省理工学院CSAIL的创新人工智能系统融合了模拟和物理测试，打造出具有新发现的耐用性和灵活性的材料，用于各种工程用途。

研究人员为一个令人困惑的问题开发了一个简单而有效的解决方案，该问题可能会恶化大型语言模型（如ChatGPT）的性能。

这篇文章由胡晨辉，VanjaPaunic，洪，吴涛，周贤德合著。

时间序列预测是数据科学中最重要的课题之一。假设你是一名企业主，你可能想预测未来不同类型的事件，以做出更好的决策并优化资源分配。时间序列预测用例的典型示例包括零售销售预测、包裹发货延迟预测、能源需求预测和财务预测。正如你所看到的，预测无处不在！

鉴于其无处不在的性质和广泛的业务应用，我们开发了一个开源预测回购，将世界级的模型和预测最佳实践交给数据科学家和行业专家，即您！

谷歌广受欢迎的开源TensorFlow机器学习平台的创新包括自动微分（Autograd）和用于深度学习的XLA（加速线性代数）优化编译器。JAX同样来自谷歌，是另一个将这两种技术结合在一起的项目，它在速度和性能方面提供了相当大的好处。当在GPU或TPU上运行时，JAX可以替换其他调用NumPy的程序，但它的程序运行得更快。（Autograd引擎可以自动区分原生Python和NumPy代码。）此外，将JAX用于神经网络可以使添加新功能比扩展TensorFlow等更大的框架更容易。

——马丁·海勒

MLOps Core

1. Machine Learning Operations: You Design It, You Train It, You Run It!
2. MLOps SIG Specification
3. ML in Production
4. Awesome production machine learning: State of MLOps Tools and Frameworks
5. Udemy “Deplo