Публикации по теме 'data-science-training'
Тема: 7 Обработка смешанных переменных даты и времени
Что такое смешанные переменные в данных?
Смешанные переменные в данных относятся к наличию переменных разных типов в одном наборе данных. В контексте машинного обучения смешанные переменные могут означать наличие как числовых, так и категориальных переменных, а также наличие как непрерывных, так и дискретных переменных.
Например, набор данных может содержать как числовые переменные, такие как доход и возраст, так и категориальные переменные, такие как пол и род занятий. Этот тип..
От среднего до облигации
Здесь, чтобы помочь моим товарищам, начинающим алкоголикам данных, и учиться у них, расти вместе. Все мои истории и блоги будут следовать шаблону, который поможет создать путь обучения. Ссылки на все мои истории находятся ниже, и я обновлю эту историю ссылкой, как только выпущу новую.
Статистика в науке о данных (часть 1) Я всегда был начинающим специалистом по данным, а сейчас являюсь частью сообщества специалистов по науке о данных и так далее…..
Самый простой способ понять матрицу путаницы | вы никогда не забудете после прочтения этого!
Вот простое объяснение матрицы путаницы для абсолютных новичков. Большинство новичков и даже некоторые опытные люди запутываются в матрице путаницы.
В этом объяснении я попытаюсь разъяснить это простым способом, чтобы вы никогда больше не запутались в этом.
Предположим, что модель используется для прогнозирования того, является ли группа из 50 человек положительной или отрицательной по коронавирусу.
TN — True Negative: модель предсказала отрицательный результат на корону для 24..
Как развернуть приложение на инстансе EC2 Amazon Web Service (AWS) (часть 2)
В прошлом, когда наука о данных развивалась, ребята из Devops отвечали за внедрение моделей машинного обучения (ML) или Deep Learning (DL). Специалисты по анализу данных ограничивались исследованиями и созданием модели в блокноте Jupyter, однако сейчас тенденция меняется. В настоящее время компании ищут специалиста по машинному обучению или специалистов по анализу данных. Таким образом, вам понадобится час, чтобы научиться развертывать модели в производственной среде как услугу или в..
11 новаторских приложений RPA, которые продемонстрировали экспоненциальный рост
Приложения RPA — это варианты использования в бизнесе, которые можно выполнять с помощью технологий роботизированной автоматизации процессов. RPA обеспечивает автоматизацию и более быструю обработку бизнес-приложений за счет автоматизированного программного обеспечения и дизайна.
Приложения RPA гарантируют надежную бизнес-эффективность за счет автоматизации задач, которые связаны с циклами на основе правил и повторяются. Есть несколько явных отраслевых исполнений RPA, которые,..
Выбор лучшего магистра наук о данных: на что следует обратить внимание? (ВЕЛИКОБРИТАНИЯ)
Мои советы для будущих студентов, изучающих науку о данных
Введение
После того, как я поделился своим магистерским опытом , будущие студенты несколько раз спрашивали меня о том, что искать в магистратуре по науке о данных.
Это, вероятно, благодаря множеству новых курсов по науке о данных, которые сейчас предлагают университеты. Однако, если вы новичок в этой области, наличие слишком большого количества вариантов может привести к парадоксу выбора: когда есть из чего выбирать,..
Я не получу работу в области науки о данных… что делать?
Ну… Что делать?
Прошло несколько месяцев с тех пор, как я ищу работу в области науки о данных. Выбили несколько дверей, двери до сих пор закрыты.
Я хотел сделать что-то захватывающее, что могло бы удовлетворить мою страсть, поэтому я начал изучать науку о данных.
Когда я впервые столкнулся с наукой о данных, я влюбился в эту область. Я никогда в жизни не занимался программированием. Но чтобы стать специалистом по данным, вам нужно иметь навыки программирования.
Поэтому я потратил..
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..