解釋結構化資料的模型預測(上)

機器學習技術快速演進,現在資料科學家已經能用更加精準的模型來處理各種難解的問題。然而,模型的複雜度與精準度直接相關,而這樣的複雜度又會使得調整模型更具挑戰性。為了解決這項挑戰,Google Cloud 於 2019 年 11 月推出 Explainable AI;此工具旨在幫助資料科學家除錯、改善模型效果並提供 insights,讓資料科學家使用上更方便。

了解模型如何運作,對有效且適當地導入 AI 來說相當重要。本篇文章將詳細介紹如何在 AutoML TablesCloud AI 平台 (Cloud AI Platform) 上將 Explainable AI 與表格式資料 (tabular data) 一起使用。 繼續閱讀 “解釋結構化資料的模型預測(上)”

Google Cloud AI 三大利器,助網石加速革新

聽過《劍靈:革命》、《天堂2:革命》和《BTS World》?這些知名的 MMORPG 都是世界最大手遊開發公司之一──網石 (Netmarble Corporation) 旗下的作品。Google Cloud 與網石的合作始於 2017 年,起初協助網石搬遷上 GCP,如今網石則借助雲端上眾多的工具和服務,解決更多遊戲業面臨的商業挑戰。

繼續閱讀 “Google Cloud AI 三大利器,助網石加速革新”

雲端運算解鎖 AI 潛能!DeNA 用機器學習改善玩家流失

1999 年成立於東京的 DeNA 株式會社是日本最大的網路公司之一。在 DeNA 推出的即時對戰的卡牌遊戲《逆轉奧賽羅尼亞》裡,玩家需要策略性地構築牌組,在超過 3,000 個角色、多種技能中選出 16 個角色。可以想見這款遊戲對新手玩家的門檻之高;新手沒有太多機會練等,該遊戲的複雜度也導致流失率上升。而根據業者評估,流失率與收益多寡有直接相關:降低 30 天流失率能提升 10% 收益。因此,DeNA 使用 AI 為初學者創建了一個牌組推薦系統,並建立一個具有各種原型和實力的智能 AI 玩家來對戰。 繼續閱讀 “雲端運算解鎖 AI 潛能!DeNA 用機器學習改善玩家流失”

Hearst Newspapers:透過雲端機器學習與讀者深度互動

對新聞出版商而言,讓讀者能夠在數位內容上快速且精準取得感興趣的文章和廣告非常重要。以全球最大的大眾媒体出版商之一 ── Hearst 媒體集團旗下的新聞部門 Hearst Newspapers 來說,要將內容妥善分類,曾是非常艱鉅的過程。他們平均每天要分類 3,000 篇新文章,標記和分類都非常耗時,而且編輯團隊為了趕上進度,常常不得不將某些內容優先排序處理,而某些文章不予分類。

繼續閱讀 “Hearst Newspapers:透過雲端機器學習與讀者深度互動”

如何在 BigQuery 查詢並計算 Google Analytics 360 資料 (四)

本篇是此系列文的第三篇,系列文將涵蓋以下列點式的內容,本篇文章則是針對「事件追蹤」、「目標追蹤」、「加強型電子商務(交易)」、「電子商務(產品)」、「加強型電子商務(產品)」進行探討: 繼續閱讀 “如何在 BigQuery 查詢並計算 Google Analytics 360 資料 (四)”