Публикации по теме 'artificial-intelligence'
Операционная аналитика: данные о наибольшем влиянии на бизнес
Автор: Йозеф Регинак, руководитель отдела обработки данных @ STRV
Традиционно для предоставления отчетов привлекается группа данных. Растущий бизнес использует электронные таблицы, данных становится слишком много, и для автоматизации процесса нанимается группа данных. Но инженеры-аналитики могут иметь беспрецедентное влияние — например, единолично принимать стратегические решения.
Каждый успешный бизнес накапливает все больше и больше данных, и существует множество решений для..
Что нужно знать о логистической регрессии
Давайте рассмотрим сложную часть этого базового алгоритма машинного обучения.
Если вы начинаете заниматься аналитикой данных, вы, безусловно, пытаетесь ознакомиться со множеством различных стратегий и приложений, используемых в отрасли. Логистическая регрессия — это один из методов анализа, используемый аналитиками данных; однако, что именно это такое и каким целям оно служит?
В этой статье вы узнаете, что такое логистическая регрессия, и некоторые из наиболее важных общих тем,..
Ставка на будущее: выявление инвестиционных возможностей с помощью ИИ в прорывных стартапах
Откройте для себя потенциал машинного обучения и искусственного интеллекта для инвесторов и венчурных капиталистов, стремящихся к следующему прорыву в инновациях на основе ИИ.
Искусственный интеллект (ИИ) и машинное обучение революционизируют отрасли по всему миру, создавая новые возможности для инноваций и прорывов. Как инвестор или венчурный капиталист, понимание потенциала ИИ и определение стартапов, в которые стоит инвестировать, может принести значительную прибыль.
В этой статье..
Использование возможностей преобразователей BERT для расширенного анализа текста
Антон Гордон — архитектор ИИ
Введение
Во вселенной обработки естественного языка (NLP) главенствует BERT (представление двунаправленного кодировщика от трансформеров). Его инновационная архитектура и превосходные возможности распознавания текста изменили способ обработки языковых данных. В этой статье вы узнаете, как создать приложение для анализа настроений с помощью BERT, а также пошагово развернете приложение на AWS с помощью Docker.
Прежде чем погрузиться в техническую часть,..
Модели искусственного интеллекта как микросервисы - от обучения до производства
Использование искусственного интеллекта в бизнесе - это путь, требующий вложений и настойчивости. Хотя преимущества использования ИИ могут быть очевидны для всех, перенести его от обучения к производству - огромная проблема. Путешествие ставит архитекторов приложений перед множеством препятствий. Им нужно задуматься над:
1. Как интегрировать модель ИИ (возможно, с другим технологическим стеком) в существующее бизнес-приложение.
2. Приведите в действие его с помощью..
Матрица путаницы без путаницы
Когда мы работаем над проектами машинного обучения, особенно с проблемой классификации, мы всегда имеем дело с матрицей путаницы. Так что же такое матрица путаницы? Матрица путаницы — это показатель, используемый для оценки производительности модели, состоящей из матрицы N x N, где N — количество целевых классов. Эта матрица дает общее представление о производительности и типе ошибок модели.
Для задачи бинарной классификации матрица путаницы будет выглядеть так:
Как мы знаем,..
Рекурсия стала проще: концепции рекурсивных функций Python
Привет, коллеги-энтузиасты кодирования! 🐍 Это ваш приятель Гейб А. снова вернулся с очередным раундом полезных для мозга идей из мира программирования на Python.
Сегодня мы погружаемся с головой в увлекательное царство рекурсии. Теперь я знаю, о чем вы могли подумать: рекурсия может быть чем-то вроде погружения в лужу супа из алфавита. Но не бойтесь, потому что к тому времени, когда мы закончим, вы будете бороздить эти рекурсивные воды как профессионал!
Что, черт возьми, такое..
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..