2022年3月2日 在 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，以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，该平台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
Amazon Ads 使用 PyTorch、TorchServe 和 AWS Inferentia 将推理成本降低 71%，并实现规模化。Amazon Ads 帮助公司通过在亚马逊商店内外的广告（包括网站、应用程序和流媒体电视内容，覆盖 15 多个国家/地区）来建立品牌并与购物者建立联系……
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。该库的主要目标是让机器学习研究人员和从业者能够轻松使用深度药物对评分模型……
扩展大型语言模型的原因与方法
Anthropic 是一家人工智能安全和研究公司，致力于构建可靠、可解释和可控的人工智能系统。在过去的十年里，用于最大规模训练的计算量呈指数级增长。我们还发现在许多领域，更大的模型能够……
2021年11月21日 在 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
在本技术博客中，我们将比较 Inferentia、GPU 和 CPU 在 BERT 序列标记示例中的速度和成本。我们还提供有关 Inf1 实例上模型编译和推理步骤的有用教程。
2021年11月9日 在 研究
SearchSage：在 Pinterest 学习搜索查询表示
Pinterest 每天向人们展示数十亿个想法，而内容、用户和搜索查询的神经模型嵌入是这些机器学习驱动的推荐不断改进的关键。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 在 零售
我们如何构建：早期推荐系统
个性化如今在大多数平台上无处不在。在连接性的驱动和机器学习的规模化下，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、时长和强度。每位会员都有特定的健身目标、日程安排、健身器材和水平……
在思科 Webex 助手中使用字素到音素模型
字母转语音 (G2P) 是一种根据单词的书写形式（字母）生成其发音（音素）的功能。它在自动语音识别系统、自然语言处理和文本转语音引擎中发挥着重要作用。在思科的 Webex Assistant 中，我们使用 G2P 模型来帮助解析人名……
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
每个人都更喜欢在与聊天机器人和其他自动化服务交流时使用母语。然而，对于匈牙利语等使用者仅为 1500 万的语言，大公司通常会认为市场规模太小，不足以开发能够处理匈牙利语文本的软件、工具或应用程序……