跳到页脚

标签:机器学习

光纤:让AI变得简单的分布式计算

项目主页:GitHub在过去的几年里,计算机处理能力的不断提高导致了机器学习的进步。越来越多的算法利用并行性并依赖分布式训练来…

编码简介:Diana Yanakiev, Uber ATG,匹兹堡

长期以来,自动驾驶汽车一直被认为是未来的交通工具,但它们正变得越来越现实。Uber ATG(先进技术集团)处于这项技术的前沿,帮助带来安全、可靠的自动驾驶汽车……

介绍Neuropod, Uber ATG的开源深度学习推理引擎

由Uber ATG开发的Neuropod是一个抽象层,提供了一个通用接口,可以在任何深度学习框架中运行模型。

Uber ATG数据挖掘业务内幕:为机器大规模识别真实道路场景

优步ATG的自动驾驶汽车衡量了多种可能的场景变化,以回答这个古老的问题:“行人如何过马路?”

元图:使用元学习的少镜头链接预测

Uber AI引入了元图(Meta-Graph),这是一种新的少镜头链接预测框架,有助于更准确地训练ML模型,快速适应新的图形数据。
Uber ATG自动驾驶汽车

在Uber ATG的机器学习基础设施和版本控制平台的面纱下…

管理多个机器学习模型来实现自动驾驶汽车是一个挑战。Uber ATG开发了一个快速迭代的模型生命周期,以及一个用于持续交付和依赖管理的工具。

建立一个回溯测试服务来测量超级规模的模型性能

我们建立了一个回溯测试服务,以更好地评估财务预测模型错误率,促进改善预测性能和决策。

Uber数据科学领域的女性:2020年及以后用数据改变世界

2019年10月,Uber举办了第二届年度“用数据移动世界”聚会,展示了2019年我们一些最有趣的数据科学挑战。

开源歧管,机器学习的可视化调试工具

2019年1月,Uber Engineering首次推出了Manifold,这是一个可视化调试工具,使用户能够快速识别机器学习模型中的性能问题。
旧金山地图显示平均,聚集交通速度

Uber可视化亮点:使用SpeedsUp显示城市街道速度集群

作为Uber可视化的全团队黑客马拉松的一部分,我们创建了SpeedsUp,这是一个使用机器学习处理城市平均速度的项目,将结果聚类,并将其覆盖在街道地图上。
2019年优步人工智能:用人工智能推进出行

2019年优步人工智能:用人工智能推进出行

2019年,Uber AI构建了利用ML来提高定位精度和增强实时预测的工具和系统,以及我们平台上的其他应用程序。

在Uber生产分布式XGBoost以训练具有大数据集的深度树模型

我们分享了在优步生产和扩展XGBoost以训练分布式梯度增强算法时遇到的技术挑战和经验教训。

宣布2020年优步AI驻地

Uber 2020年AI驻地计划将通过Uber先进技术集团(ATG)重点关注与我们的自动驾驶汽车项目相关的举措。

进化米开朗基罗模型表示的灵活性在规模

为了适应更多的ML用例,Uber改进了Apache Spark MLlib库的米开朗基罗应用程序,以获得更大的灵活性和可扩展性。
Zoubin Ghahramani

优步的科学:用人工智能改善交通

优步首席科学家Zoubin Ghahramani解释了人工智能如何从学术界走向现实应用,以及优步如何利用人工智能改善交通。

优步西雅图工程的三种扩展机器学习的方法

2019年4月,在Uber西雅图举行的一次关于ML和AI的会议上,我们工程团队的成员讨论了三种不同的方法来增强我们的ML生态系统。
洛根Jeya

优步的科学:驱动优步的机器学习

产品经理Logan Jeya解释了Uber的机器学习平台Michelangelo如何轻松部署模型,从而实现数据驱动的决策。

推进人工智能:与Uber高级研究经理Jeff Clune的对话雷竞技是骗人的

我们采访了高级研究经理Jeff Clune,聊了聊他在人工智能领域的工作雷竞技是骗人的、Uber之旅以及总统科学与工程早期职业成就奖(PECASE)。

EvoGrad:一个基于梯度进化的轻量级库

Uber AI实验室发布了EvoGrad,一个用于催化基于梯度的进化研究的库,以及Evolvability ES,一个由该库支持的新的元学习算法。雷竞技是骗人的

在Uber通过机器学习在模拟市场中获得洞察

Uber的Marketplace模拟平台利用ML在无风险的环境中快速建立原型并测试新产品功能和假设。

受欢迎的文章