围绕交通和天气技术构建 Call for Code 应用

了解如何利用交通和天气技术并将这些技术融入到您的 Call for Code 解决方案中。

继续阅读 围绕交通和天气技术构建 Call for Code 应用

使用机器学习构建 Call for Code 应用

了解如何通过使用机器学习、深度学习和人工智能构建 Call for Code 应用程序。

继续阅读 使用机器学习构建 Call for Code 应用

借助 AI 构建 Call for Code 应用

本博客将介绍人工智能 (AI) 以及 IBM Watson™ 服务能为您参加 Call for Code 挑战赛提供哪些帮助。

继续阅读 借助 AI 构建 Call for Code 应用

在 PowerAI 上加速 Snap ML

获取 Snap ML 库的概述(其中提供了对流行机器学习模型的高速训练),并查看该库的多个用例。

继续阅读 在 PowerAI 上加速 Snap ML

使用 Snap Machine Learning 来训练逻辑回归和随机森林模型以便进行信用违约预测

使用 Snap Machine Learning 库来加速逻辑回归和随机森林模型的训练,并使用经过训练的模型来分析信用风险。

继续阅读 使用 Snap Machine Learning 来训练逻辑回归和随机森林模型以便进行信用违约预测

Call for Code 中诞生的“冠军鸭”, 了解一下

2018 年,解决方案 Project Owl 夺得了 Call for Code 全球挑战赛的冠军。这个搭载了物联网技术的软件与硬件结合的解决方案,可以确保在自然灾害发生时,救援先遣队能够与灾民及时联络。

继续阅读 Call for Code 中诞生的“冠军鸭”, 了解一下

IBM 的开源技术和 AI

在此博客中,我们将辨明 AI 和开源技术两大趋势,然后聚焦 IBM 开发者围绕代码、内容和社区的拓展工作。

继续阅读 IBM 的开源技术和 AI

区块链让慈善捐赠重拾信任

来自 IBM CIO(巴西)的团队创建了一个基于区块链的移动应用程序,为试图帮助自然灾害受害者的捐助者提供透明度。

继续阅读 区块链让慈善捐赠重拾信任

垃圾互联网 (IoG):面向智能垃圾管理系统的无服务器和物联网架构

阅读本文,了解 GreenQ 如何借助 IBM Cloud Functions 实现垃圾管理系统的更加智能化。

继续阅读 垃圾互联网 (IoG):面向智能垃圾管理系统的无服务器和物联网架构

文本分类入门

文本分类是自然语言处理 (NLP) 中的一个领域,也是开启 AI 之旅最简单的方式之一,本博客为您提供与之相关的丰富资源。

继续阅读 文本分类入门