- ManageEngine卓豪｜利用机器学习和AI优化自助服务的5种方式
- 自助服务是许多用户寻求解决问题的普遍方式。根据 Forrester Research 的调查，72% 的客户在解决自己的支持问题时更愿意选择自助服务，而不是发送电子邮件或拨打电话。然而，与这一需求相反的是，IT 领域的自助服务并没有像期望的那样迅速发展。ManageEngine卓豪在 2022 年进行的调查发现，仍有三分之一的企业（34%）未提供自助服务功能，而在提供自助服务的企业中，29% 的企业认为自助服务其效果不佳。
- 微美全息利用机器学习的智能推荐技术，开发多模态融合推荐系统
- 目前互联网在人类生活中已经变的密不可分，每天不论工作生活、社交娱乐都已经离不开互联网，巨量的信息存在互联网之中，如何快速筛选出有效的信息推送给适合的用户，成为提供互联网服务提供商的基本要素。推荐算法与系统在全球范围内得到广泛应用，推荐系统的发展为用户提供了更个性化和智能化的产品推荐体验。然而，现有的推荐系统存在数据和用例适应性的问题。
- 快速玩转 Llama2！阿里云机器学习 PAI 推出最佳实践
- Meta 宣布大语言模型 Llama2 开源，包含7B、13B、70B不同尺寸，分别对应70亿、130亿、700亿参数量，并在每个规格下都有专门适配对话场景的优化模型Llama-2-Chat。Llama2 可免费用于研究场景和商业用途（但月活超过7亿以上的企业需要申请），对企业和开发者来说，提供了大模型研究的最新利器。
- NLP领域再创佳绩！阿里云机器学习平台 PAI 多篇论文入选 ACL 2023
- 阿里云机器学习平台PAI主导的多篇论文在ACL 2023 Industry Track上入选。ACL是人工智能自然语言处理领域的顶级国际会议，聚焦于自然语言处理技术在各个应用场景的学术研究。该会议曾推动了预训练语言模型、文本挖掘、对话系统、机器翻译等自然语言处理领域的核心创新，在学术和工业界都有巨大的影响力。
- 什么是MLOps？为什么要使用MLOps进行机器学习实践
- 机器学习的生命周期涉及众多的流程，如数据的获取、数据准备、模型训练、模型的调整、模型的部署、模型监控、模型的可解释性等，不同的流程涉及不同的流程工具和人员，需要跨团队的协作和交接，从数据工程到数据科学再到ML工程。在此背景下，如何保障生产中以下诸多目标是我们亟待解决的。
- 阿里云机器学习平台PAI论文入选 SIGMOD 2023
- 阿里云机器学习平台PAI和北京大学杨智老师团队合作的论文《GoldMiner: Elastic Scaling of Training Data Pre-Processing Pipelines for Deep Learning》被SIGMOD 2023录用。论文通过对深度学习数据预处理流水线的弹性伸缩，大幅提升了训练性能和集群资源利用效率。
- 时序数据库DolphinDB基于机器学习的异常预警方案
- 数据异常预警在工业安全生产中是一项重要工作，对于监控生产过程的稳定性、保障生产数据的有效性、维护生产设备的可靠性具有重要意义。随着大数据技术在生产领域的深入应用，基于机器学习的智能预警已经成为各大生产企业进行生产数据异常预警的一种有效解决方案。
- 机器学习平台PAI支持抢占型实例，模型服务最高降本90%
- 在AI开发及服务不断追求效率的背景下，阿里云机器学习平台 PAI 宣布支持抢占型实例（Spot Instance）。在模型推理环节，用户可以通过 PAI-EAS 模型在线服务平台灵活选择抢占型实例来运行推理时延相对不敏感的任务，进而节省服务成本
- 微美全息开发基于人工智能和机器学习的图像处理技术
- 微美全息开发出一种新的基于人工智能和机器学习的图像处理技术。该技术可以提高图像处理的精度和效率，还能够扩展图像处理的应用范围。该技术通过深度学习技术对图像进行处理，使用卷积神经网络（CNN）来提取图像的特征，这些特征可以用于图像分类、目标检测和图像分割等任务。
- 阿里云机器学习PAI发布基于HLO的全自动分布式系统 TePDist，并宣布开源！
- 阿里云机器学习平台PAI正式发布自研的基于HLO的全自动分布式深度学习系统 TePDist。它通过在HLO上做分布式策略搜索，能够与用户模型构建语言解耦。并且在保持通用性的同时，能够在可接受的策略搜索时间内，追求高性能分布式策略，同时用户无需修改模型主体代码，系统能够全自动地帮助用户做分布式扩展，有效解决了分布式框架长期以来在实际生产场景中手工优化和自动分布式工作存在的诸多性能和效率问题。
- 阿里云机器学习平台PAI论文入选ASPLOS 2023
- 阿里云机器学习平台PAI主导的论文《图神经网络统一图算子抽象uGrapher》被ASPLOS 2023录取。论文通过抽象统一的的高性能图算子接口来自适应探索它们在不同图数据集上的最佳并行执行策略， 这是首个在图神经网络上利用自适应的并行策略，在不同图数据和不同图算子中探索高性能计算优化的研究工作。
