WedX - журнал о программировании и компьютерных науках

Публикации по теме 'artificial-intelligence'


Стратегии для того, чтобы идти в ногу с исследованиями в области ИИ
Стратегии для того, чтобы идти в ногу с исследованиями в области ИИ 7 советов, которые помогут вам оставаться в курсе всего Скорость ИИ Для тех, кто следит за областями искусственного интеллекта (ИИ), глубокого обучения (ГО) или машинного обучения (МО), может показаться, что исследования иногда проносятся мимо вас, как гоночный автомобиль. Быстрый поиск на arXiv.org показывает, что в период с 1 апреля по 1 мая этого года (2020 г.) было объявлено о 2683 новых статьях, связанных с..

Новые достижения в технологии обнаружения объектов, часть 2 (искусственный интеллект)
StreamYOLO: Обнаружение объектов в реальном времени для потокового восприятия ( arXiv ) Автор: Цзинжун Ян , Сунтао Лю , Цземинг Ли , Сяопин Ли , Цзянь Сунь Вывод: Перцептивные модели автономного вождения требуют быстрого вывода с малой задержкой для обеспечения безопасности. В то время как существующие работы игнорируют неизбежные изменения окружающей среды после обработки, потоковое восприятие совместно оценивает задержку и точность в единую метрику для восприятия видео..

Подготовка моделей глубокого обучения к наихудшему сценарию и кроссплатформенность с помощью…
Подготовка моделей глубокого обучения к худшему сценарию и кроссплатформенность с помощью набора инструментов OpenVINO. Поскольку 2020 год только что наступил, сообщество экспертов и энтузиастов глубокого обучения ожидает значительного года инноваций в этой области. В связи с тем, что каждый день по всему миру создается множество моделей глубокого обучения, зависимость человечества от облака и сети (особенно TCP) растет с каждым днем. Вы можете подумать, а что не так с зависимостями в..

Я только что завершил свой первый в истории реальный проект по науке о данных: вот что я узнал и понял…
Проекты по науке о данных могут быть грязными, но они могут дать вам суперудовлетворение от работы. Около четырех месяцев назад, примерно в середине сентября, я узнал об Omdena и их предложениях по реальным проектам искусственного интеллекта для общественного блага. Я занимался только некоторыми личными проектами на kaggle и никогда не работал над реальными проектами в области машинного обучения или науки о данных. Итак, когда я узнал об Omdena и некоторых проектах, которые были..

Изучение астрономического неизвестного: как ИИ используется в астрогеологии
Искусственный интеллект (ИИ) революционизирует многие отрасли, включая астрогеологию. Астрогеология — это изучение геологических процессов и особенностей на других планетах и ​​спутниках нашей Солнечной системы. Использование ИИ в астрогеологии меняет способ анализа и интерпретации данных космических миссий, позволяя ученым делать новые открытия и глубже понимать нашу вселенную. В этой статье мы рассмотрим, как ИИ используется в астрогеологии. Одним из ключевых способов использования..

Будущее искусственного интеллекта: преобразование отраслей и формирование общества
Искусственный интеллект (ИИ) стал преобразующей технологией, которая меняет отрасли и беспрецедентным образом влияет на общество. Благодаря своей способности анализировать огромные объемы данных, изучать закономерности и принимать обоснованные решения, ИИ революционизирует различные отрасли, от здравоохранения и финансов до производства и транспорта. В этой статье мы углубимся в текущее состояние ИИ, изучим его потенциальное применение в различных отраслях и обсудим этические соображения,..

Выборка данных с использованием Pandas! Руководство для начинающих!
Выборка данных с использованием Pandas! Руководство для начинающих! Вы можете использовать Pandas для случайной выборки наборов данных. Метод выборки в Pandas — это удобный способ случайного выбора строк или выборок из объекта DataFrame или Series. По умолчанию метод возвращает случайную выборку того же размера, что и исходные данные, но вы можете указать другой размер выборки, передав параметр n.

Новые материалы

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..

ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


Для любых предложений по сайту: [email protected]