Публикации по теме 'artificial-intelligence'
Объяснение рейтингов триллеров на IMDb
Значения SHAP для звезд, жанров и т. д.
В этой статье я использую набор данных около 3200 триллеров, взятых с сайта IMDb . Набор данных публично доступен на Kaggle . Полную информацию об анализе можно найти в этой общедоступной записной книжке Kaggle .
Шаг 1 — предварительная обработка данных
Здесь предварительная обработка данных состоит из следующих шагов:
log10-преобразование времени выполнения серий в минутах с помощью правила x->np.log10(1+x) (так что 0..
Огромные перспективы и практические ограничения машинного обучения в биохимии
Аарон Кимбалл был на пике популярности в мире больших данных, сначала как коммиттер Hadoop и один из первых сотрудников Cloudera, а затем как соучредитель основанного на Hadoop стартапа рекомендаций под названием WibiData. Сегодня он использует свой талант в качестве технического директора в Zymergen , стартапе, который использует лабораторную робототехнику и машинное обучение для улучшения процесса создания микробов для различных областей, от производства до сельского хозяйства.
В..
Изучение моделей VAR в 2022 году, часть 2
1. Обнаружение множественных точек изменения в структурированных моделях VAR: пакет VARDetect R (arXiv)
Автор: Пейлян Бай , Юэ Бай , Абольфазл Сафихани , Георгий Михайлидис
Аннотация: модели векторной авторегрессии (VAR) фиксируют временную динамику опережения-запаздывания многомерных данных временных рядов. Они широко используются в макроэкономике, финансовой эконометрике, нейробиологии и функциональной геномике. Во многих приложениях данные демонстрируют структурные..
Распознавание модуля записи набора данных IAM с использованием CNN
В течение последних нескольких дней я изучал, как определить автора текста на основе их стиля письма. К счастью, я нашел записную книжку Jupyter handwriting_recognition от Приянки Двиведи , в которой для решения этой проблемы используется метод, описанный в статье DeepWriter: многопотоковая Deep CNN для независимой от текста идентификации писателя . .
У меня возникли некоторые проблемы при попытке понять записную книжку, поскольку в ней отсутствуют конкретные инструкции о том, как..
Задавать трудные вопросы машине, которая вскоре заберет мою работу
Тебе плохо?
ИИ разрушил наш человеческий мир. И это только началось.
Это вызвало массовый страх. Не говоря уже о фактических потерях рабочих мест.
Просто избавь нас от наших страданий и уже вступай во владение.
По оценкам Goldman Sachs, 300 миллионов рабочих мест могут…
Университет Оксфордского университета предлагает COIN++, платформу нейронного сжатия для различных модальностей данных
В нашем все более оцифровываемом мире ежедневно производится огромное количество данных, и алгоритмы нейронного сжатия, разработанные для борьбы с этим потоком, обычно полагались на автокодировщики со специализированными архитектурами кодировщика и декодера для различных модальностей данных, уделяя особое внимание изображениям и видеоданным. .
Что такое синтетические данные?
Синтетические данные создаются искусственным интеллектом, обученным на реальных наборах данных. Сначала модель изучает корреляцию шаблонов и статистические свойства реального набора данных. Одна обученная модель может генерировать синтетический набор данных. Синтетический набор данных выглядит и ощущается как наш исходный набор данных из реального мира, который был обучен на модели.
Почему синтетические данные важны в наши дни?
Когда разработчик обучался на модели, в это время..
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..