Статьи
Компьютерное зрение: развертывание моделей сегментации изображений на Vertex AI
В самом последнем блоге нашей серии Компьютерное зрение мы показали вам, как использовать AutoML Vertex AI для обучения и развертывания модели обнаружения объектов. Каким бы мощным и эффективным ни был AutoML, вам может понадобиться гибкость для обучения и развертывания большего..
Специализированная тема RxJS: BehaviorSubject
Общая картина о BehaviorSubject в RxJS
Когда у вас есть специализированные требования к приложению, действительно стоит знать заранее о существовании этих специализированных предметов, чтобы решить проблему чистым способом и без реализации большого количества кода.
Очень полезно знать,..
Стоит ли своевременная разработка?
Всем привет! Вы можете спросить, что такое оперативное проектирование? Проще говоря, это способ эффективного общения с ИИ для достижения желаемых результатов. И, как и в случае с любым новаторским навыком, он имеет несколько выгодных потенциальных наград —
как звучит зарплата в..
Мой первый блог
Привет всем, я так взволнован, так как это мой первый блог. Я давно думал начать вести блог, но всегда откладывал. Я получаю степень бакалавра технических наук в Методистском инженерно-технологическом колледже. Я хотел бы поделиться своим опытом создания личных проектов и дать краткую..
Работа с сэмплером Гиббса, часть 1 (машинное обучение)
Разделенный сэмплер Гиббса Plug-and-Play: встраивание глубоких генеративных априорных значений в байесовский вывод (arXiv)
Автор: Флорентен Керду , Николя Добижон , Пьер Шене .
Аннотация: Флорентен Керду , Николя Добижон , Пьер Шене .
2. Блокированный семплер Гиббса для..
Внедрение LangChain ConversationSummaryBufferMemory в Next.Js с использованием Typescript
Прежде всего, что такое LangChain? Это превосходный фреймворк для разработки приложений на основе языковых моделей. Один из нескольких способов, которыми вы, возможно, захотите использовать это, — это создание чат-бота. Если вы когда-либо пробовали OpenAI API, вы, возможно, знаете, что при..
Вопросы, которые должен задать ищущий знания разработчик на собеседовании в Software House
Большинство разработчиков спрашивают, почему они хотят сменить работу, и говорят примерно следующее: Я хочу узнать больше, мне кажется, что я не улучшаю свои навыки на нынешней работе . Однако по какой-то причине, когда приходит время задавать вопросы менеджеру по найму или рекрутеру, все,..
Сила облачной платформы Google
Углубленный взгляд на инфраструктуру и услуги GCP
Введение:
Облачные вычисления стали неотъемлемой частью современных предприятий и организаций, предоставляя масштабируемые и экономичные решения для хранения данных, вычислений и разработки приложений.
Среди основных игроков в индустрии..
Наука о данных в 2023 году: взгляд в будущее
Наука о данных — это быстро развивающаяся область, в которой за последнее десятилетие наблюдался огромный рост. По мере того, как технологии продолжают развиваться, возрастает и роль науки о данных в нашей жизни. В 2023 году наука о данных станет еще более распространенной и мощной, чем..
5 лучших неизвестных учебных проектов без учителя на Github, которые помогут вам с машинным обучением…
Неконтролируемое обучение — это тип алгоритма, который изучает шаблоны из немаркированных данных. Надежда состоит в том, что машина вынуждена создавать компактное внутреннее представление своего мира посредством мимикрии. Википедия
Неконтролируемая классификация выполняется довольно..
Лассо-регрессия: подробное руководство по выбору функций для надежной регрессии
Лассо-регрессия — популярный метод выбора признаков, который широко используется в машинном обучении, статистике и электротехнике. Это тип линейной регрессии, который использует регуляризацию L1 для сведения коэффициентов менее важных функций к нулю. В результате получается разреженная модель,..
Потоки в Kotlin: введение
Kotlin — это язык программирования со статической типизацией, который широко используется для создания современных приложений. Одно из последних дополнений, Flows, представляет собой мощную функцию, помогающую разработчикам эффективно обрабатывать асинхронные потоки данных. В этой статье мы..
Имитация + RL
Обучение с подкреплением и имитация - две естественные модели мощных систем искусственного интеллекта. Обе модели имеют недостатки:
Если мы не знаем, какие части поведения «важны», имитатору необходимо смоделировать каждую часть поведения, прежде чем будет гарантировано получение хороших..
Приоритетная очередь Javascript
В компьютерных науках очередь с приоритетом – это абстрактный тип данных, аналогичный обычной очереди или структуре данных стека, в которой каждый элемент дополнительно имеет связанный с ним "приоритет". В очереди с приоритетом элемент с высоким приоритетом обслуживается раньше элемента с..
🌟 Почему `env` побеждает: преимущества перед объектами в веб-разработке 🚀
🌟 Вы когда-нибудь задумывались, почему в средах веб-разработки, таких как React, Angular, Vue и других, лучше выбирать env, а не объекты? 🤔
При разработке веб-приложений вы могли столкнуться с решением использовать env (переменные среды) или объекты для управления данными. Хотя объекты..
Манипуляции с DOM
Академия кодирования Остина
Опишите одну вещь, которую вы узнали сегодня на уроке.
DOM дает разработчику возможность динамически изменять содержимое, отображаемое на веб-странице, с использованием Javascript (или другого языка программирования). Это позволяет разработчику добавлять..
ОСНОВЫ ПРОГРАММ И ПРОГРАММИРОВАНИЯ
Программа – это набор инструкций. Когда вы пишете инструкции другу, как добраться до вашего 🏠 — вы пишете программу. Ваш друг «выполняет» эту программу, по очереди следуя каждой инструкции.
Каждая программа написана с использованием нескольких основных операций, которые читатель уже..
НГ23. Вопросительные местоимения (1)
По сравнению с теми, что обсуждались в NG21, вопросительные предложения с кто или что гораздо более загадочны. Мой анализ концентрируется на местоимении кто , которое может означать любое действие, тему или цель, потому что в предложениях фигурируют те же игроки, что и раньше. Также..
Свитки Волшебника: открытие массивов JavaScript
В мистическом сердце JavaScript знания хранятся в древних свитках, известных смертным как «Массивы». Эти свитки, хотя и выглядят простыми снаружи, содержат обширные хранилища информации, организованные и ожидающие своего вызова.
📜 Происхождение свитков
Вначале магам было сложно управлять..
Секретный золотой рудник среднего содержания
Начните писать с этим вечным стилем контента
Medium (и Интернет в целом) наполнен миллионами различных статей, охватывающих тысячи разных тем. Если вы новый автор, это может показаться немного пугающим, когда вы ищете свою нишу и голос. О чем вы пишете? Такое ощущение, что все было..
Новые материалы
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..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..