开发者玩转机器学习不能错过的 15 篇深度文章！

摘要：机器学习平台 PAI 是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的 AI 开发全链路服务。开发者可以通过 PAI 快速构建训练模型，如搭建一些《物体识别》、《验证语音降噪等》有趣的实验模型，也可以契合企业需求，实现企业个性化推荐，小编整理了一些基于 PAI 平台的模型开发训练指南，供开发者参考收藏。

了解机器学习平台 PAI：https://www.aliyun.com/product/bigdata/learn

PAI-DSW 入门指南 &实践

PAI-DSW 是为算法开发者量身打造的云端深度学习开发环境，集成 JupyterLab，插件化深度定制化开发，无需任何运维配置，沉浸式体验 Notebook 编写、调试及运行 Python 代码。支持开源框架的安装，并提供阿里巴巴深度优化的 Tensorflow 框架，通过编译优化提升训练性能。

1.阿里云机器学习PAI-DSW入门指南

2.新手上路：PAI-DSW实验室创建攻略 | 《阿里云机器学习PAI-DSW入门指南》

3.大数据算命系列之用机器学习评估你的相亲战斗力 | 《阿里云机器学习PAI-DSW入门指南》

4.半小时验证语音降噪—贾扬清邀你体验快捷云上开发 | 《阿里云机器学习PAI-DSW入门指南》

5.四步训练出自己的CNN手写识别模型 | 《阿里云机器学习PAI-DSW入门指南》

6.如何自己训练一个热狗识别模型 | 《阿里云机器学习PAI-DSW入门指南》

推荐场景入门

推荐系统可以理解为推荐算法和系统工程的总和，即推荐系统=推荐算法+系统工程。关于推荐系统，很多的书和网上的资料更多的是聚焦到这个算法怎么做，包括很多 paper 都说的是最新的推荐算法。但是，当开发者真正动手去搭建这套业务系统，特别是在云上去做的时候，会发现其实是一个系统化的工程。即使知道推荐业务需要用哪些算法，你依然会面临很多问题。比如说性能的问题、数据存储的问题，等等。以下内容包含了基础理论、算法和系统，供开发者学习。1.推荐系统基本概念和架构

2.开放下载！基于PAI个性化推荐系统开发指南

3.基于PAI 10分钟搭建一个简单推荐系统

4.基于PAI-Studio推荐召回场景-FM Embedding实现方案

5.推荐系统召回算法及架构说明

6.推荐系统排序算法及架构说明

7.推荐系统线上服务编排及架构说明

8.跟阿里云技术专家学习智能推荐系统

企业最佳实践

1.最佳实践助力票圈视频实现智能视频推荐