2022 年 3 月 2 日 刊登于 金融
在 AWS 上使用自然语言处理创建葡萄酒推荐器
在本教程中，我们将使用 BERT 词嵌入模型和最近邻算法构建一个简单的机器学习管道，根据用户输入的偏好推荐葡萄酒。为了创建和支持这个推荐引擎，我们将利用 AWS 的 SageMaker 平台，它为我们提供了一种完全托管的方式来…
亚马逊广告使用 PyTorch 和 AWS Inferentia 扩展广告处理模型
亚马逊广告使用 PyTorch、TorchServe 和 AWS Inferentia 将推理成本降低 71%，并实现规模扩展。亚马逊广告帮助公司建立品牌并通过亚马逊商店内外（包括 15 多个国家/地区的网站、应用程序和流媒体电视内容）的广告与购物者建立联系…
ChemicalX：一个用于药物对评分的深度学习库
在本文中，我们介绍了 ChemicalX，这是一个基于 PyTorch 的深度学习库，旨在提供一系列最先进的模型来解决药物对评分任务。该库的主要目标是使深度药物对评分模型可供机器学习研究人员和从业者使用…
扩展大型语言模型的原因与方法
Anthropic 是一家 AI 安全和研究公司，致力于构建可靠、可解释和可控的 AI 系统。在过去十年中，用于最大规模训练运行的计算量呈指数级增长。我们还在许多领域看到，更大的模型能够…
2021 年 11 月 21 日 刊登于 媒体与娱乐
在 AWS Inf1 上运行 BERT 模型推理：从模型编译到速度比较
在这篇技术博客中，我们将比较 Inferentia、GPU 和 CPU 在 BERT 序列标注示例中的速度和成本。我们还提供了关于 Inf1 实例上模型编译和推理步骤的实用教程。
2021 年 11 月 9 日 刊登于 研究
SearchSage：在 Pinterest 学习搜索查询表示
Pinterest 每天为人们提供数十亿个想法，而内容、用户和搜索查询嵌入的神经网络建模是持续改进这些机器学习驱动推荐的关键。良好的嵌入——将离散实体表示为数字向量——能够实现快速候选生成，并且…
2021 年 10 月 18 日 刊登于 零售
我们如何构建：早期推荐系统
个性化在当今大多数平台上无处不在。通过连接性增强，并由机器学习扩展，互联网上的大多数体验都根据我们的个人品味量身定制。Peloton 课程提供多样化的教练、语言、健身学科、持续时间和强度。每个会员都有特定的健身目标、日程、健身器材和水平…
2021 年 9 月 7 日 刊登于 医疗
AI 如何帮助兽医帮助我们的宠物
四分之一的狗和五分之一的猫会在其生命中的某个时候患上癌症。由于早期识别、诊断和治疗的进步，现在的宠物比以往任何时候都有更好的成功治疗机会。
在思科 Webex 助手中使用字素到音素模型
字素到音素（G2P）是一个根据单词的书写形式（字素）生成发音（音素）的功能。它在自动语音识别系统、自然语言处理和文本到语音引擎中起着重要作用。在思科的 Webex Assistant 中，我们使用 G2P 建模来帮助解析人名…
2021 年 8 月 10 日 刊登于 自然语言处理, 研究
佩奇大学利用 Azure，仅用 1000 欧元就实现了匈牙利语文本和语音处理，并构建了 BERT-large 模型
每个人都喜欢在使用聊天代理和其他自动化服务时使用他们的母语。然而，对于像匈牙利语这样只有 1500 万人使用的语言，市场规模通常被大型公司视为太小，无法创建可以处理匈牙利语文本的软件、工具或应用程序…