Публикации по теме 'artificial-intelligence'
Преодоление дилеммы смещения и дисперсии: руководство для специалистов по машинному обучению
Инь и Ян машинного обучения: уравновешивание предвзятости и дисперсии
Компромисс между смещением и дисперсией – это фундаментальная концепция машинного обучения и статистики, связанная со способностью модели точно фиксировать базовые закономерности в наборе данных . По сути, компромисс между смещением и дисперсией относится к балансу между сложностью модели и ее способностью обобщать новые, неизвестные данные .
У нас есть данные, которые мы используем для обучения, и у нас..
ИНДУСТРИАЛИЗАЦИЯ МАШИННОГО ОБУЧЕНИЯ II
В 16-м выпуске отчета о бизнес-аналитике в партнерстве с Bright Talk мы более подробно рассмотрим решения для машинного обучения, в частности, машинное обучение, ориентированное на данные, и конвейеры машинного обучения, в беседе с Радждипом Бисвасом, директором Advanced Аналитика и машинное обучение в Microsoft и Ник Спирин, соучредитель и генеральный директор Metapixel AI
Мы коснулись важности качества данных и того, что можно назвать своего рода ориентированной на данные стратегией..
Заполнение недостающей середины: практические шаги к операциям с улучшенным ИИ
В недавней статье Wall Street Journal освещается новый подход к трансформации бизнеса. Вместо того, чтобы пытаться вытеснить свою рабочую силу и заменить ее более быстрыми и дешевыми эквивалентами ИИ, несколько ведущих компаний решили использовать ИИ для расширения возможностей своего человеческого персонала. Это все равно, что дать своим сотрудникам сверхспособности, которые позволяют им понимать и обрабатывать невероятно большие объемы цифровой информации с захватывающей дух скоростью..
Использование ИИ для обнаружения нарушений социального дистанцирования
Делайте крутые вещи с данными!
Вступление
Многие города в США и Европе сейчас осторожно открываются. Людей проинструктировали следовать правилам социального дистанцирования, когда они выходят на улицу. Но следят ли за ними люди? Для городов может быть важно оценить это и принять соответствующие меры. Если большинство людей последуют им, то можно будет безопасно открыть больше мест. Однако, если нарушений много, может быть безопаснее закрыть. Именно это и произошло в..
Каково быть роботом в 2017 году
Каково быть роботом в 2017 году
Что сможет делать современный робот в 2017 году?
Существует много разных типов роботов, от роботов-гуманоидов до промышленного оружия, которые могут двигаться с удивительной точностью и скоростью.
Учитывая мою область знаний, я буду больше сосредотачиваться на хватании и использовании предметов. Это основные человеческие навыки, которые необходимо приобрести роботам, если вы хотите, чтобы они были действительно полезными.
Но почему роботу так..
Преобразование стандартной экономики слишком сложно в инфраструктуре облачных сервисов
Совокупность интернет-финансов, страхового плана и облачного предприятия очень проста из-за своего происхождения. И даже его можно вначале настроить на облаке. Итак, мы видим, что облачным агентствам нравится заниматься интернет-финансами и страховыми случаями.
А вот «традиционным финансам» сейчас не так повезло.
Если экономическая модель Интернета и облачные вычисления «строятся на месте», то стандартная денежная система «живет, пока восстанавливается». Благодаря накоплению..
ИИ, шумиха и человеческий интеллект
Профессор Стивен Хокинг сказал: Появление мощного ИИ будет либо лучшим, либо худшим, что когда-либо случалось с человечеством. Мы не знаем, какой .
ИИ (искусственный интеллект) и машинное обучение открывают новые горизонты, и некоторые шумихи теперь становятся реальностью во многих отраслях. Прорывы в области искусственного интеллекта такими компаниями, как Google, IBM, Tesla и другими технологическими гигантами, достигаются быстрее, чем многие предсказывали. В то время как некоторые..
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..