Статьи
Часто задаваемые вопросы о Mash NFT
Меня уже несколько раз просили предоставить дополнительную информацию о том, что именно происходит за кулисами с MashNFT, поэтому я решил, что людям было бы полезно иметь под рукой небольшой FAQ. Вот несколько частых вопросов о Mash и мои ответы на них!
Как это работает?
Алгоритм..
Что у тебя в BEAM? — представляем BEAMchmark
Каждый создатель программного обеспечения хорошо знает, что эталонные тесты очень важны. Они доказывают, что ваше программное обеспечение не только работает, но и хорошо масштабируется и правильно работает при перегрузке. Сравнительный анализ также может помочь вам узнать ограничения вашей..
Разработка функций: масштабирование, нормализация и стандартизация
Введение
Недавно я работал с набором данных из ML, в котором было несколько функций, охватывающих разные степени величины, диапазона и единиц измерения. Это серьезное препятствие, поскольку некоторые алгоритмы машинного обучения очень чувствительны к этим особенностям, т. е. большинство..
Визуальное семантическое сходство слова с предложением для создания титров: усвоенный урок
В этом сообщении в блоге я поделюсь с вами некоторыми знаниями и уроками, извлеченными из нашей недавней идеи исследования , которая должна работать в теории (т. е. BERT + GloVe), но на практике она не работает в нашем сценарии.
Недавний современный прогресс в предварительно обученных моделях..
Нейронная сеть для сентиментального анализа [Часть -1: Извлечение признаков]
Используйте мой Блокнот Google Colab для интерактивного обучения!
Что такое сентиментальный анализ?
Каждый день, что бы мы ни делали, всегда связано с нашими эмоциями. В каждом состоянии у всех нас есть определенное отношение к событию. Способ представления таких эмоций может быть..
Переход от кармы к шутке
Отказ от ответственности: в этой статье описывается моя конкретная миграция. Это ни в коем случае не универсальное руководство по миграции.
Зачем тестировать и почему Jest?
Jest — это тестовая платформа, созданная Facebook, которая гордится тестированием Javascript с нулевой..
Улучшение результатов машинного обучения: подробное руководство по уточнению и оптимизации ваших моделей машинного обучения
Введение
Построение модели машинного обучения — это не конечная точка, а отправная точка. Именно в уточнении, настройке и оптимизации этих моделей происходит реальный прогресс в достижении целей вашего проекта. Улучшение достигается за счет понимания вашей модели, базовых данных и того,..
Комплексное интерактивное исследование данных и обучение моделированию в Машинном обучении Azure (часть 1)
Комплексное интерактивное исследование данных и обучение моделированию в Машинном обучении Azure (часть 1)
Прежде чем приступать к обучению моделей, необходимо получить четкое представление о данных. Реальные наборы данных часто зашумлены, содержат пропущенные значения или имеют множество..
Обучение ML — PAC Learning
Мы очень хорошо понимаем важность размера набора данных при обучении машинному обучению. Принимая во внимание, что когда дело доходит до того, что будет хорошо изучено алгоритмом среди набора данных, и насколько хорошо он будет изучен, становится трудно ответить.
В машинном обучении у нас..
Обнаружение сервисов с помощью Spring Cloud Netflix-Eureka.
Регистрация и открытие службы.
Что такое «Весенняя Эврика»?
Когда вы перейдете к « Архитектура микросервисов » , там может быть один или несколько экземпляров службы, и потребители служб должны знать о физических адресах каждой службы, и формально это называется службой. открытие...
6 советов по работе с нулевыми значениями
6 советов по работе с нулевыми значениями
Включает итерационный метод, среднее и медианное заполнение с групповым, средним и медианным заполнением
Нулевые значения — большая проблема в машинном обучении и глубоком обучении. Если вы используете sklearn, TensorFlow или любые другие пакеты..
Что такое флаттер и зачем его изучать?
Введение. Что такое флаттер?
Flutter — это фреймворк с открытым исходным кодом (исходный код общедоступен) для мобильных приложений, выпущенный Google в 2018 году. Фреймворк — это инструмент, объединяющий весь функционал, необходимый для разработки мобильного приложения. Используя..
Машинное обучение в производстве
Машинное обучение (МО) — это область искусственного интеллекта (ИИ), которая изучает и понимает закономерности, отношения и темы в данных для поддержки обучения, обработки и принятия решений без участия человека. Проще говоря, машинное обучение — это процесс превращения компьютеров и машин в..
Глубокое обучение через призму сложности примера — Резюме статьи
Ссылка : https://openreview.net/forum?id=fmgYOUahK9 Авторы : Роберт Джон Николас Болдок, Хартмут Меннел, Бехнам Нейшабур Теги : Глубокое обучение, Пример сложности, Сложность набора данных, Учебная программа Код : — Видео: https ://papertalk.org/papertalks/37152 Разное...
Три образа мышления, которых следует избегать старшему разработчику программного обеспечения
Чем больше мы узнали, тем больше осознали, что нам еще очень многое предстоит узнать.
Как разработчики, чем дольше мы работаем, тем больше опыта мы получаем. В конце концов, мы можем даже стать помощником в нашей команде или в нашей организации, которого будут рассматривать как технических..
Идиоматически.net
Сайт для изучения идиом на разных языках и в разных регионах.
Я очарован идиомами, их случайной неясностью и способностью улавливать слова, которые больше не используются в просторечии (например, слово бледный в за пределами бледного ). Но что еще более важно, я заинтригован их..
Машинное обучение
Машинное обучение
Специализация по машинному обучению — это базовая онлайн-программа, созданная в сотрудничестве между DeepLearning.AI и Stanford Online. Эта программа для начинающих научит вас основам машинного обучения и тому, как использовать эти методы для создания реальных приложений..
Анализ цен на жилье и прогноз GTA
1. Введение: бизнес-задача
Как житель района Большого Торонто (GTA) более 10 лет, я хотел бы выбрать данные GTA в качестве основного проекта прикладной науки о данных. Основная идея заключается в использовании данных о местах проведения и рейтинге школ для прогнозирования цены на жилье ...
Мои заметки об Эрни 2.0 | Байду исследования | Тест клея SOTA
Введение:
ERNIE 2.0 — это система непрерывного предварительного обучения для понимания языка, в которой предварительные задания можно постепенно создавать и изучать посредством многозадачного обучения.
Алгоритмы, предшествовавшие Эрни, в основном фокусировались на одновременном..
Как использовать заполнение JSON (и другие варианты) для обхода политики одного и того же происхождения
В этой статье мы рассмотрим, что такое JSONP, его недостатки и некоторые альтернативы JSONP.
Возможно, вы столкнулись с ситуациями, когда вы выполняете вызов API из одного источника в другой. Например, у нас есть страница, обслуживаемая с localhost: 3000, которая вызывает API с localhost:..
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..