Публикации по теме 'artificial-intelligence'
[Лекция] Как построить систему распознавания (Часть 1): лучшие практики
Привет, мир!
Системы распознавания имеют множество практических приложений. И многие компании нуждаются в создании таких систем для оптимизации своих бизнес-процессов, не только таким гигантам индустрии, как Google , Baidu , Facebook или Dropbox .
Например, в сфере здравоохранения некоторые компании разрабатывают автоматический экстрактор полей для различных форм пациента, включая страховые формы для ввода соответствующих данных в базу данных. Другие компании ориентированы на..
Основы статистики
Изучение и количественная оценка изменений — это то, что вы узнали в контексте вероятности, и важные концепции, такие как случайные величины и закон больших чисел (эмпирическое правило), будут играть центральную роль в этом посте.
0. Голы
изучить основательное введение в математическую теорию, лежащую в основе статистических методов получить теоретические гарантии для статистических методов, которые вы можете использовать для определенных приложений теоретические гарантии позволяют..
Наивный Байес
Наивный байесовский алгоритм — это алгоритм классификации, который широко используется в машинном обучении и обработке естественного языка. Он основан на теореме Байеса, фундаментальной концепции теории вероятностей. Алгоритм наивного Байеса считается «наивным», поскольку он предполагает, что все функции в наборе данных независимы друг от друга, что не всегда может быть верным в реальных сценариях.
Алгоритм используется как для задач бинарной, так и для многоклассовой классификации,..
Использование биомаркеров в ИИ для здравоохранения, часть 5
Дизайн гибридного ансамбля для выбора биомаркеров-кандидатов из профилей транскриптома (arXiv)
Автор: Фелипе Коломбелли , Тейн Войсинк Ковальски , Мариана Рекамонде-Мендоса .
Резюме: Открытие биомаркеров заболеваний на основе данных об экспрессии генов значительно продвинулось с помощью методов отбора признаков (FS), особенно с использованием стратегий ансамблевой FS (EFS) с возмущением на уровне данных (т. е. гомогенный, Hom-EFS) или на уровне метода ( то есть гетерогенный,..
Мой коллега — компьютер: машины как талант на рабочем месте
В мире, где технологии пронизывают наше существование, представители отдела кадров и бизнес-аналитики изо всех сил пытаются ответить на важные вопросы о влиянии компьютеров на рабочее место. Когда так много процессов можно автоматизировать, а аналитика показывает, что компьютеры часто могут заменить трех или четырех сотрудников гораздо дешевле, мы должны спросить себя: какую роль должно играть использование машин в качестве таланта на рабочем месте?
Легко встревожиться, рассматривая..
Работа с процессом Гальтона-Ватсона, часть 1 (статистика)
Почти критические процессы Гальтона — Ватсона (arXiv)
Автор: Петер Кевей , Ката Кубатович
Аннотация: Исследуются процессы Гальтона — Ватсона в изменяющейся среде, для которых f¯n↑1 и ∑∞n=1(1−f¯n)=∞, где f¯n обозначает потомство среднее в поколении n. Поскольку процесс затухает почти наверняка, для получения нетривиального предела мы рассматриваем два сценария: условие невымирания или добавление иммиграции. В обоих случаях мы показываем, что процесс сходится по распределению..
Удивительно, что вся эта статья написана без упоминания машинного обучения.
Удивительно, что вся эта статья написана без упоминания машинного обучения . Проблемы, описанные в этом посте, именно объясняют, почему здесь машинное обучение; используется для создания программного обеспечения со слишком большой сложностью, чтобы подходы, основанные на правилах, были успешными. В машинном обучении мы начинаем с конечного продукта и «развиваем» программное обеспечение, обучая его адаптироваться к среде. В программном обеспечении живет модель того, как оно должно..
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..