Публикации по теме 'big-data'
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..
Заставьте ИИ работать на ваш бизнес
Ник Гейлорд
Когда дело доходит до будущего ведения бизнеса, ИИ и машинное обучение являются самыми горячими темами. Тем не менее, несмотря на все обсуждения перспектив ИИ, чего-то все еще не хватает — прямой информации о том, как заставить ИИ работать на вас. Если вы подойдете к своему решению неправильно, ваши результаты не будут иметь смысла, но если вы сделаете это правильно, вы сможете построить эффективную систему, которая продвинет ваш бизнес вперед. Мы помогли многим организациям..
Стратегия цифровой трансформации СМИ: основные технологии, которые следует учитывать
Хотя практически все согласны с тем, что индустрия медиа и развлечений претерпевает цифровую трансформацию, проблема заключается в определении конкретных технических областей, которые необходимо решить в ходе этого процесса.
От музыкальной индустрии до кино и издательского дела цифровые технологии происходят повсюду. Эти глубокие изменения должны сопровождаться всеобъемлющей стратегией, которая не только позволит этим секторам оставаться конкурентоспособными в нынешних условиях, но и..
Как LyftLearn демократизирует распределенные вычисления с помощью Kubernetes Spark и Fugue
Введение
В предыдущем сообщении в блоге мы обсуждали инфраструктуру LyftLearn, построенную на основе Kubernetes . В этом посте мы сосредоточимся на вычислительном уровне LyftLearn и обсудим, как LyftLearn решает некоторые из основных проблем, с которыми сталкиваются специалисты по машинному обучению Lyft.
Эффективное использование вычислительных ресурсов
Болевые точки
Всегда существует компромисс между удобством пользователя и эффективным использованием ресурсов. Когда..
Обновления и часто задаваемые вопросы — Ваше 1-минутное краткое руководство по ShardingSphere
Фон
Apache ShardingSphere — это проект верхнего уровня Apache и один из самых популярных проектов больших данных с открытым исходным кодом. Он был запущен около 5 лет назад, и сейчас ShardingSphere насчитывает более 14 тысяч звезд и более 270 участников в своем сообществе.
Успешный проект уже запущен и обновлен во многих версиях. Apache ShardingSphere теперь поддерживает множество мощных функций и продолжает оптимизировать свои правила конфигурации. Мы хотим помочь пользователям..
Поверьте в ажиотаж налоговых технологий
Инновации в мире - не чуждое понятие, но 2018 год дал технологическим разработкам совершенно новый свет. Налоговая отрасль была более известна переоценкой старых процессов и проблемами, с которыми ее отделы сталкивались, чтобы принять более совершенные системы. Каждый отдел ищет лучшие и новейшие технологии для повышения своей операционной эффективности, начиная с планирования до управленческого анализа и отчетности,
Сейчас налоговым специалистам важно понимать и принимать технологии,..
Масштабирование науки о данных в Swiggy: история DSP
В соавторстве с Сиддхант Шривастава . Наконечник шляпы Свигги квасцу Пратюш Шарма
В Swiggy мы стремимся быть гиперлокальной удобной платформой на основе ИИ, которая создает беспроблемные и приятные впечатления для наших клиентов. С этой целью мы постоянно инвестируем в наши возможности AI / ML, включая, помимо прочего, людей, процессы и инфраструктуру. В частности, мы создали внутреннюю платформу для развертывания и оркестровки машинного обучения, которая позволяет специалистам..
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..