Публикации по теме 'computer-science'
Распознавание активности человека: прогнозирование активности с использованием данных датчика телефона
Введение
Этот проект направлен на создание модели, которая прогнозирует действия человека, такие как ходьба, ходьба по лестнице, ходьба по лестнице, сидение, стояние и лежание, на основе данных датчиков смартфонов. Это проблема классификации шести классов, поскольку у нас есть шесть действий для анализа и обнаружения.
Набор данных
Набор данных состоит из записей 30 человек, выполняющих повседневную деятельность со смартфоном на талии. В каждый смартфон встроено несколько..
Использование ИИ Чтобы предсказать движения спортсменов и возможные травмы
Сегодня я был на новостном сайте Карнеги-Меллона, чтобы найти действительно интересную статью о достижениях в области ИИ и о том, как он может быть связан со спортом. Со спортсменами, такими как футболисты или баскетболисты, бегающие вверх и вниз по корту, всегда есть шанс на сезон, если не на травму, заканчивающую карьеру. Но, прочитав исследования других университетов, они используют искусственную кожу с синаптическими транзисторами, которые могут ощущаться так же, как обычная кожа...
Оперативное преобразование, алгоритм совместного редактирования в реальном времени
Это второй пост, связанный с Оперативным преобразованием , алгоритмом совместного редактирования в реальном времени. Первый пост был Как работают совместные редакторы в реальном времени? [Оперативное преобразование] ».
В этом посте я хотел бы углубиться в функцию преобразования, как клиенты ждут подтверждения от сервера перед отправкой дополнительных операций, а также в составное операционное преобразование.
Функция трансформации
Напомним, для обработки параллельных операций мы..
Программирование на языке программирования Mojo — Часть I
Mojo — это язык программирования, сочетающий в себе удобство использования Python и производительность C, C++ и Rust. Язык программирования Mojo включает в себя технологии компилятора нового поколения с такими функциями, как кэширование, многопоточность и технологии облачного распространения. Кроме того, функции автонастройки и метапрограммирования во время компиляции позволяют писать код для различного оборудования. Преимуществами языка программирования Mojo являются удобство..
Что такое эвристическая функция?
Эвристическая функция: понимание ее важности и приложений
Эвристическая функция — это метод, который помогает алгоритмам поиска находить наиболее эффективный путь к цели. Другими словами, это функция, которая оценивает возможные решения проблемы и оценивает их ценность на основе определенных критериев. Этими критериями могут быть расстояние между текущим состоянием и целевым состоянием, стоимость перехода из одного состояния в другое или другие соответствующие факторы.
В основном..
Расширение возможностей для принятия решений: роль науки о данных в инсайтах
Данные повсюду в современной технологической среде. Мы переполнены данными, от взаимодействия в социальных сетях и интернет-транзакций до информации, генерируемой датчиками, и научных исследований. Однако получение полезной информации из этого потока данных является трудной задачей. Вот где вступает наука о данных, преодолевая разрыв между необработанными данными и практическими знаниями. В этом посте мы углубимся в интригующую область науки о данных, охватив ее определение,..
Основы типов данных и значений JavaScript
Основа любого языка программирования - данные. Без данных создать программу очень сложно, если вообще возможно.
Большинство взаимодействий в Интернете связано с какими-то данными. Возможно, это данные банковского счета, или данные о списке продуктов в корзине, или сообщение в социальной сети, или последний результат плей-офф баскетбола. Данные - это причина, по которой люди запускают браузер и исследуют Интернет. JavaScript позволяет программистам контролировать значения и типы..
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..