Статьи
Языковые модели нейронных кодеков Microsoft синтезируют высококачественную персонализированную речь из…
имеют плохие способности к обобщению, страдая от резкого падения производительности при работе с невидимыми (не входящими в обучающую выборку) динамиками при нулевых настройках.
Исследовательская группа Microsoft рассматривает эту проблему в новой статье Языковые модели нейронных кодеков —..
Прогнозирование и предотвращение оттока банковских клиентов с помощью машинного обучения
Обзор
Удержание клиентов является одной из основных целей любой отрасли, основанной на подписке. клиенты могут свободно выбирать из множества поставщиков даже в пределах одной категории продуктов. Несколько неудачных опытов — или даже один — и клиент может уйти. А если потоки..
Mongoexport show не может пройти аутентификацию с использованием механизма
«SCRAM_SHA-1», так как это исправить.
Перед командой mongoexport --uri=mongodb://account:password@domain:port/db --collection collection_name --out output.json
2021-11-20T17:04:01.983+0700 could not connect to server: connection() error occured during connection handshake: auth error:..
Распознавание говорящего: раскрытие силы голоса
Введение
В нашем постоянно развивающемся мире технологий голосовое взаимодействие становится все более распространенным. От виртуальных помощников до устройств с голосовым управлением способность распознавать и аутентифицировать людей на основе их уникальных голосовых характеристик приобрела..
Работа с римановым многообразием, часть 1 (машинное обучение)
Переопределенная задача p-лапласиана на римановых многообразиях (arXiv)
Автор: Цихуа Жуань , Цинь Хуан , Фань Чен .
Аннотация: В работе исследуется переопределенная задача для уравнения p-лапласиана на полных некомпактных римановых многообразиях с неотрицательной кривизной Риччи. Мы..
Пользовательские ярлыки Amazon Rekognition
Сквозной пример использования пользовательских меток Rekognition для классификации изображений
Помимо Amazon SageMaker , AWS содержит набор сервисов AI/ML, адаптированных для AutoML . В тех случаях, когда вам нужно внедрить ML в свои приложения и у вас нет теоретического опыта или..
20 фрагментов кода строковых литералов для разработки на JavaScript: лучшие практики и примеры из реальной жизни
20 фрагментов кода, использующих строковые литералы в JavaScript, а также их результаты и пояснения
Раскройте фундаментальную концепцию строковых литералов в JavaScript с помощью краткого исследования. В программировании строковые литералы — это последовательности символов, заключенные в..
Диапазон эликсира - странный опыт перечисления
Зачитать
Диапазон эликсира - странный опыт перечисления
Вы только незнакомец, пока не узнаете
В этой статье рассказывается об одном из моих странных опытов с Эликсиром.
Как я испытал?
В одном из моих проектов мне нужно повторять вызов функции определенное количество раз.
Сразу..
Мы протестировали наш ИИ и обнаружили, что он знает стиль лучше, чем профессионалы моды.
Вы отличаетесь от туфель-монахов от туфлей дерби? Ни один. Но у нас есть дружелюбная машина, которая умеет.
В EDITED мы создаем технологии, которые индустрия одежды использует для принятия более разумных решений, опираясь на огромные объемы данных из глобальной розничной торговли.
Чтобы..
Реализуйте все перестановки набора в JavaScript
Это вторая статья из серии о вопросах на собеседовании по программированию и о том, как их продумать и решить! Если вы хотите начать с начала, посмотрите даже вхождение !
В этой статье рассматривается очень распространенный вопрос на собеседовании, все варианты набора. ‘Реализуйте функцию,..
Мы могли бы ускорить время компиляции Rust, съев наш пирог.
Rust набирает обороты и энтузиазм. Время компиляции Rust, не так много. Инкрементную компиляцию реализовать нелегко, что, возможно, и понятно. В конце концов, трудно исчерпывающе проверить большое количество возможных взаимодействий и комбинаций, которые являются ошибками, не проверив..
Multi-head Attention для обобщения глобального контекста в мультимодальном анализе
При работе с мультимодальностями, состоящими из изображений, видео, категориальных и числовых входных данных, одной из основных проблем является то, как объединить данные из нескольких потоков в одно вложение, которое можно использовать для последующих задач.
Один из подходов состоит в том,..
Как я написал веб-приложение Full-Stack, которое действует как хаб для магазинов WooCommerce
Мне нравится узнавать что-то новое и решать проблемы, связанные с этим занятием. Недавно я решил изучить Node.js и улучшить свои навыки в React. Что ж, у меня появилась идея многопользовательской игры, которую я обязательно скоро напишу. Обещаю. :)
Это своего рода совпадение, что мой..
Изучение жадных алгоритмов: стратегии, примеры и значение в программировании и мобильных устройствах…
Жадные алгоритмы — это класс методов оптимизации, которые делают локально оптимальный выбор на каждом этапе. Многие из моих коллег-программистов не слишком хорошо знакомы с жадным методом структуры данных, но всякий раз, когда я реализую жадный подход во время кодирования, я замечаю это..
Примите сложность: руководство по чрезмерному усложнению вашей жизни с помощью Dotfiles
Введение :
В мире разработки и настройки программного обеспечения dotfiles уже давно являются ценным инструментом для энтузиастов, стремящихся персонализировать свой компьютерный опыт. Точечные файлы, имена которых начинаются с точки (.), содержат различные конфигурации приложений,..
Как подключить внешние данные к GPT-3 с помощью LlamaIndex
Нежное введение в то, как подключить пользовательские внешние данные к LLM с помощью LlmaIndex.
В этом руководстве мы покажем вам, как подключить внешние данные к OpenAI GPT3 с помощью LlamaIndex. Для этого примера подключим книгу Приключения Алисы в стране чудес Льюиса Кэрролла...
Python скоро может стать самым популярным языком в маркетинге
Python — популярный язык программирования. Насколько он популярен , зависит от того, кого вы спросите. По результатам опроса разработчиков Stack Overflow за 2018 год, Python занимает седьмое место среди самых популярных языков среди профессиональных разработчиков. Но Python занимает 3-е..
Кибербезопасность ИИ против традиционной кибербезопасности — Часть 3 из 3
В части 1 и части 2 этой серии; мы узнали о ключевых различиях между традиционной кибербезопасностью и кибербезопасностью ИИ, а также об уникальных типах атак, которые могут быть нацелены на системы ИИ. В этой части мы рассмотрим, как создать инфраструктуру кибербезопасности на..
4 причудливых ошибки, из-за которых разработчики JavaScript будут страдать в будущем
Безжалостные истины, которые должен знать каждый разработчик JavaScript
Ни один разработчик не любит делать ошибки.
Каждый разработчик хочет, чтобы его код был идеальным. Мы, разработчики, хотим, чтобы наш код не только не содержал ошибок, но и был удобочитаемым для человека.
Но есть..
Пошаговое руководство: реализация линейной регрессии для машинного обучения
Линейная регрессия — это мощный статистический метод, который можно использовать для прогнозирования будущих значений зависимой переменной на основе прошлых значений независимой переменной. В машинном обучении линейную регрессию можно использовать для построения прогнозных моделей для поиска..
Новые материалы
Как создать диаграмму градиентной кисти с помощью D3.js
Резюме:
Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..