Facebook人工智能母体技术解析

方便就能看到哪一个配置产出的结果最好。

　　图片来源：Facebook Code

　　机器学习程序库

　　FBLearner Flow平台的一个核心原则是，它不与任何具体的算法绑定。因而，平台可以支持无数的ML算法以及这些算法的创新组合。平台也很容易延展——任何工程师都可以写一个新的工作流，让他或她最爱的算法可供全公司使用。算法的开源实施很容易在一个工作流中完成，并整合进入Facebook的基础设施。

　　Facebook的应用机器学习团队维护的工作流可以为常用算法提供可扩展的实施，包括：

　　神经系统

　　迭代决策树（GBDT）

　　LambdaMART

　　随机梯度下降

　　逻辑回归

　　未来计划

　　有了FBLearner Flow，AI成为工程师组织中的核心，通过简单的API为Facebook工程师提供了最先进的人工智能。我们持续改善FBLearner Flow，来让工程师变得越来越高效，能够将机器学习应用于越来越多的产品中。在未来的几个月中，我们将更加紧密关注其中一些系统和应用，让工程师在产品中使用AI和ML更加简便，并为使用Facebook的人们提供更加个人化的体验。

　　Via VentureBeat & Facebook Code