至顶网软件与服务频道消息: 谷歌今天宣布将把用于训练机器学习算法的Cloud AutoML服务引入数据科学家在线社区Kaggle。
Cloud AutoML是基于云的工具包,提供用于训练人工智能模型的拖拽界面。用户使用该软件可以创建自定义的机器学习模型,而无需对该主题有任何特定的技术知识。
Kaggle在线社区为数据科学家和其他机器学习爱好者提供了一个探索、分析和共享他们工作成果的空间。谷歌于2017年收购了Kaggle平台,该社区最近成员规模突破了350万这一里程碑。
谷歌表示,它正在通过将Cloud AutoML与Kaggle集成实现自己的使命,即“通过为他们提供引领该领域所需的技能和工具,使我们的数据科学家社区变得更加强大”。
Cloud AutoML允许用户从软件开发工具包或者基于Web的用户界面中提取数据,设置参数,然后基于这些数据训练模型,并将其部署在谷歌的云基础设施中。这项集成将使Kaggle用户能够利用Jupyter Notebook中的Cloud AutoML SDK,Jupyter Notebook是一个开源应用,数据科学家可以用来创建和共享包含实时代码、等式、可视化和叙述性文档。
Kaggle产品经理Devvret Rishi在博客中表示:“今天的发布重点是让我们的社区能够在Kaggle Notebooks中直接使用这个SDK。”
Cloud AutoML是一项付费服务,不过为初学者提供了免费套餐。谷歌全年向用户提供Google Cloud Platform积分,以补贴搭配Kaggle一起使用AutoML的成本。
宣布此消息之前,Kaggle与谷歌的BigQuery数据仓库服务进行了类似的集成。
好文章,需要你的鼓励
随着人工智能和高性能计算持续推动需求增长,数据中心设计正以同样惊人的速度演进。曾经的高密度机架已成为标准配置,冷却系统在数月而非数年内完成重新设计,项目在各地区的规模和复杂性不断提升。全球工程设计咨询公司Black & White Engineering指出,液冷成为标准配置、极端机架密度管理、工业化规模交付、电网约束下的电力创新、AI驱动运营设计以及可持续性成为核心设计原则,将成为2026年塑造数据中心设计、建设和运营的六大关键趋势。
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
Snowflake本周推送的一次更新导致全球范围内的"重大故障",用户长达13小时无法查询数据、文件导入失败并收到错误信息。初步调查显示,最新版本引入了不向后兼容的数据库架构更新,导致版本不匹配错误。此次故障影响了全球23个区域中的10个,包括美国、欧洲和亚洲多个数据中心。这是Snowflake一周内第二次发生事故。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。