Публикации по теме 'data'
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 сгруппировать или классифицировать выступления этих игроков MLB во время их новичков.
Об обучении без учителя:
В машинном обучении есть две категории: обучение с учителем и обучение без учителя. Обучение с учителем обычно используется, когда специалист по данным хочет делать прогнозы на основе набора..
Новые достижения в технологии обнаружения объектов, часть 2 (искусственный интеллект)
StreamYOLO: Обнаружение объектов в реальном времени для потокового восприятия ( arXiv )
Автор: Цзинжун Ян , Сунтао Лю , Цземинг Ли , Сяопин Ли , Цзянь Сунь
Вывод: Перцептивные модели автономного вождения требуют быстрого вывода с малой задержкой для обеспечения безопасности. В то время как существующие работы игнорируют неизбежные изменения окружающей среды после обработки, потоковое восприятие совместно оценивает задержку и точность в единую метрику для восприятия видео..
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..
Backend Engineer vs Data Engineer: две привлекательные профессии, но в чем разница?
Самая сексуальная профессия десятилетия, специалист по данным, породила около дюжины столь же сексуальных, но несколько запутанных и частично совпадающих названий профессий. Основным ответвлением специалиста по данным является инженер данных . Давайте поговорим о разнице между дата-инженером и бэкэнд-инженером, потому что, честно говоря, границы могут быть довольно размытыми.
Инженер данных (иногда его называют большим инженером данных) отвечает за проектирование и создание..
Новые методы самоконтроля, часть 2 (Машинное обучение, 2023 г.)
Мультимодальное самоконтролируемое обучение для рекомендации (arXiv)
Автор: Вэй Вэй , Чао Хуан , Лянхао Ся , Чусю Чжан .
Аннотация: Появление мультимодальных платформ для обмена информацией в Интернете (например, TikTok, Youtube) позволяет персонализированным рекомендательным системам включать различные модальности (например, визуальные, текстовые и акустические) в скрытые пользовательские представления. В то время как существующие работы по мультимодальным рекомендациям используют..
Выявление скрытых закономерностей в ваших данных: углубленное изучение анализа главных компонентов
В этом подробном руководстве мы рассмотрим, как использовать анализ основных компонентов (PCA) в науке о данных для уменьшения размерности больших наборов данных. Вы научитесь выявлять закономерности и взаимосвязи между переменными и получать ценную информацию из ваших данных с помощью этого мощного инструмента.
Введение
Анализ основных компонентов (PCA) — это широко используемый статистический метод в науке о данных, машинном обучении и различных других областях. Это мощный и..
Как данные изменят нашу жизнь в 2020 году?
Двадцатый век был эпохой индустриализации и автоматизации, но конец века был особенным. Мы вошли в 21 век с такими технологическими гигантами, как IBM, Google, Microsoft и т. Д.
В 2020 году мы будем использовать приложения на основе iot, которые могут отслеживать всю нашу активность с утра до ночи. Эти трекеры активности содержат множество наших данных, которые можно использовать для персонализации и улучшения нашего образа жизни.
История просмотров в наши дни играет жизненно важную..
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..