Лучшие статьи года
2022 год был важным годом для Heartbeat — в конце 2021 издание было приобретено Кометой, лидером в MLOps, и с тех пор мы продолжаем каждую неделю выпускать потрясающий контент, уделяя особое внимание машинному обучению, глубокому обучению и MLOps. В то время как новое приобретение означало небольшое изменение в тематических областях Heartbeat, в первую очередь отход от пространства AR / VR, наши писатели и читатели постоянно учились и делились, и мы так благодарны за это!
В этом году мы опубликовали около 318 статей примерно от 72 авторов со всего мира. Это был огромный рост по сравнению с предыдущим годом, и его невозможно было бы сделать без Эбби Морган, команды Heartbeat и всех талантливых членов нашего сообщества.
Чтобы отпраздновать это, вот десятка самых читаемых статей, опубликованных в этом году.
1. Методы глубокого обучения, которые вы должны знать в 2022 году
— автор Ниша Арья Ахмед
Существует множество различных методов, которые вы можете использовать для глубокого обучения. Каждый из них используется для конкретных задач, с определенными процессами и ограничениями. В этой статье обсуждаются наиболее распространенные методы DL, такие как GAN, RBM и LSTM.
2. 5 главных трендов машинного обучения на 2022 год
— автор Сьюзи пишет
Независимо от того, являетесь ли вы экспертом или новичком в области машинного обучения, вы должны непредвзято относиться к последним разработкам в этой области. В этой статье обсуждаются некоторые новые тенденции в области машинного обучения, включая AutoML и MLOps.
3. Состояние машинного обучения в 8 статьях — февраль 2022 г.
Эти 8 документов иллюстрируют ключевые разработки в различных областях ИИ: автоматизированное обучение с подкреплением (AutoRL), мультимодальные языковые модели (LM), ConvNets vs. Transformers in Computer Vision (CV), неконтролируемый поиск нейронной информации (IR) и многое другое.
4. SQL для науки о данных
— автор Ануп Пайнулы
Этот пост в блоге о SQL для науки о данных научит вас, как использовать SQL для хранения, доступа и извлечения данных для анализа данных. SQL — это язык для запроса или извлечения данных из реляционных баз данных.
5. Представляем: Кангас
— автор Эмили Льюис
Обзор первого инструмента Comet с открытым исходным кодом, Kanags. Kangas — это мультимедийный инструмент для исследования данных, который позволяет вам и вашей команде погрузиться в крупномасштабные наборы данных.
6. Агент RL для торговли акциями с использованием TF-Agents Framework
— автор Васанткумар Велаюдхам
Учебник о том, как создавать обучающие агенты для подкрепления торговли акциями с помощью платформы TF-Agents на основе TensorFlow.
7. 10 библиотек машинного обучения с открытым исходным кодом
— автор Бенни Ифеани Ихеагвара
Движение за открытый исходный код отвечает за большую часть технологических инноваций, которые мы видим сегодня, и машинное обучение не является исключением. Это движение породило множество новых библиотек, подстегнуло проекты, обеспечило быстрый рост и повысило воспроизводимость экспериментальных результатов и инновационных приложений. Это список лучших библиотек с открытым исходным кодом.
8. 6 лучших реальных приложений обучения с подкреплением
— автор Маной Кумар
Обучение с подкреплением (RL) основано на механизмах вознаграждения и наказания. Агент получает вознаграждение за правильные ходы и наказание за неправильные. Поступая таким образом, агент минимизирует неправильные ходы и максимизирует количество правильных.
9. 9 советов, которые значительно улучшат ваши навыки программирования
— автор Кертис Пайкс
В этой статье рассматриваются девять способов улучшить свои навыки программирования и создать свое портфолио, включая ежедневное письмо, чтение и программирование.
10. Makefile: один из лучших инструментов управления проектами машинного обучения
— от Кхушбу Кумари
Makefile позволяет устранить ненужные вычисления, сократить циклы инноваций и позволить командам быстрее разрабатывать проекты машинного обучения, что помогает сэкономить время и упростить мониторинг проектов машинного обучения.
Примечание редактора. Heartbeat — это интернет-издание и сообщество, созданное участниками и посвященное предоставлению лучших образовательных ресурсов для специалистов по науке о данных, машинному обучению и глубокому обучению. Мы стремимся поддерживать и вдохновлять разработчиков и инженеров из всех слоев общества.
Независимая от редакции, Heartbeat спонсируется и публикуется Comet, платформой MLOps, которая позволяет специалистам по данным и командам машинного обучения отслеживать, сравнивать, объяснять и оптимизировать свои эксперименты. Мы платим нашим авторам и не продаем рекламу.
Если вы хотите внести свой вклад, перейдите к нашему призыву к участию. Вы также можете подписаться на получение нашего еженедельного информационного бюллетеня (Еженедельник глубокого обучения), заглянуть в блог Comet, присоединиться к нам в Slack и подписаться на Comet в Twitter и LinkedIn для получения ресурсов и событий. и многое другое, что поможет вам быстрее создавать более качественные модели машинного обучения.
