Enable javascript in your browser for better experience. Need to know to enable it? Go here.
已发布 : Apr 13, 2021
不在本期内容中
这一条目不在当前版本的技术雷达中。如果它出现在最近几期中,那么它很有可能仍然具有相关参考价值。如果这一条目出现在更早的雷达中,那么它很有可能已经不再具有相关性,我们的评估将不再适用于当下。很遗憾我们没有足够的带宽来持续评估以往的雷达内容。 了解更多
Apr 2021
试验 ? 值得一试。了解为何要构建这一能力是很重要的。企业应当在风险可控的前提下在项目中尝试应用此项技术。

所有主流的云厂商都提供了令人眼花缭乱的机器学习解决方案。这些强大的工具虽然可以为用户提供很多价值,但同时也意味着一定的开销:云厂商收取的除了基本的服务运行成本外, 还包含一些营业税。 这些复杂的工具需要被使用者理解和操作,随着架构中新工具的添加,税也会随之水涨船高。 根据我们的经验,很多团队之所以会选择复杂的工具,常常是因为他们低估了诸如线性回归之类的简单工具的力量。 其实,许多机器学习问题并不需要GPU或神经网络。 因此,我们提倡在现有的计算平台上使用简单的工具和模型,以及少量的Python代码来实现一个 最简单的机器学习 。 只有在能够证明它的必要性时,才使用这些复杂的工具。

Radar

下载第25期技术雷达

English | Español | Português | 中文

Radar

获取最新技术洞见

 

立即订阅

查看存档并阅读往期内容