Business Data

Kaggle.com是数据科学竞赛的第一资源。所以你会真正看到这些例子，。你会看到，TSA 向数据科学团队投入了超过 100 万美元，用于建立一个可以根据安全录像预测潜在威胁的模型。 这些事情很快就变得有趣了。该领域的多样性和包容性也至关重要，以避免未来出现真正危险的模式。所以这绝对是值得思考的事情。



TensorFlow是一个很好的资源。这就是 Google 所提供的，他们的许 日本电报数据库 多机器学习模型都是以此为基础构建的。他们有一个非常棒的 JavaScript 平台供您使用。 安德鲁·吴 (Andrew Ng) 开设了一门关于机器学习的精彩课程。我强烈建议您检查一下。 那么Algorithmia就像是模型的一站式商店。因此，如果您不想涉足机器学习，而只想说一个总结模型或特定类型的模型，那么您可能可以在那里找到一个并且即插即用。



因此探索起来非常有趣。最后一点是，机器学习模型的好坏取决于数据。我无法表达那么多。因此，很多机器学习和数据科学家都从事数据清理和分析工作，这是该领域工作的很大一部分。 意识到这一点很重要。这就是机器学习 101 的全部内容。非常感谢大家的加入，希望很快能再次见到大家。谢谢。 通过Speechpad.com进行视频转录 如果您喜欢本期《白板星期五》，那么您一定会很高兴从我们最新发布的 MozCon 2019 视频包中了解到所有前沿的 SEO 知识。