Публикации по теме 'analytics'
10 лучших библиотек Python для аналитиков данных: подробное руководство
Python стал популярным языком программирования для анализа данных благодаря своей простоте и обширной экосистеме мощных библиотек. В этой статье мы рассмотрим 10 лучших библиотек Python, которые должен знать каждый аналитик данных. Эти библиотеки предлагают широкий спектр функций для обработки данных, визуализации, статистического анализа, машинного обучения и многого другого.
Pandas: обработка и анализ данных Pandas — это универсальная библиотека для обработки и анализа данных. Он..
Чему плохой кофе научил меня о платформах для обработки и анализа данных
Я буду честен. Я люблю кофе. Мне нравится все: от его вкуса, теплых успокаивающих объятий, которые я чувствую, когда пью утренний эспрессо, до легкого покалывания концентрации, которое он дает мне, когда я просматриваю Твиттер воскресным утром. И я не одинок.
Только в Соединенных Штатах ежедневно выпивается более 400 миллионов чашек кофе, поэтому количество кофе, которое мы выпиваем как вид, просто безумно.
Чтобы дать вам некоторый контекст, Финляндия потребляет 12 кг кофе на душу..
Простая аналитика Twitter с помощью twitter-nlp-toolkit
Twitter - один из самых богатых источников данных как для бизнес-анализа, так и для академической или педагогической обработки естественного языка; многие из лучших наборов данных на Kaggle были собраны в Twitter, одно из самых популярных встраиваний текста было обучено с помощью Twitter, и почти каждая компания активно следит за Twitter.
Для этого есть ряд причин: Twitter имеет доступный API, а его система хэштегов упрощает сбор и сортировку данных. Это еще и потому, что Twitter -..
Что лучше? Анаконда или Python Virtualenv
Первоначально опубликовано на https://dataaspirant.com 9 ноября 2020 г.
Создавать модели глубокого обучения или машинного обучения в локальных системах несложно. Все усложняется, когда мы пытаемся воспроизвести ту же настройку проекта в облаке.
Два популярных варианта, которые мы, как сообщество специалистов по данным, имеем для управления средами проекта, — это среда anaconda и python virtualenv .
Какой из них вы пользовались?
В противном случае позвольте мне задать..
Corise — «Python для науки о данных» 💻
Проект 1 — Airbnb 🏢
Я начал писать код на Python для моего проекта первой недели для Corise. Я нашел язык невероятно универсальным и простым в освоении, применяя различные функции Numpy. Я обнаружил, что использование Numpy упростило мой код и создало более лаконичный конечный продукт, что позволило мне уделять больше времени алгоритмам. Мы работали над нашим проектом в пространстве для совместной работы Google. Однако я обнаружил, что использование компьютера в общем пространстве..
MLOps Beyond Training: упрощение и автоматизация операционного конвейера
MLOps Beyond Training: упрощение и автоматизация операционного конвейера
Развивающееся значение «MLOPs»
Когда вы говорите «MLOPs», что вы имеете в виду? По мере развития технологической экосистемы, связанной с машинным обучением, «MLOPs» теперь, по-видимому, имеет (по крайней мере) два совершенно разных значения:
Одно распространенное использование «MLops» относится к циклу обучения модели ИИ : подготовка данных, оценка и обучение модели. Эта итеративная или интерактивная модель..
Как использовать Moengage в nuxt js
Всем привет, в этой статье я расскажу как использовать Moengage в nuxt js. Moengage — это платформа для отслеживания поведения пользователей, после чего мы можем анализировать веб-сайт.
Ладно, пошли, первый шаг
Установить Nuxt
Вы можете установить nuxt с помощью этой команды, в моем приложении я даю имя nuxt-moe:
npm init nuxt-app nuxt-moe
После установки nuxt мы инициализируем moe
Инициировать Мо
откройте проект в редакторе (я использую vs code), затем найдите плагины и..
Новые материалы
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..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..