Публикации по теме 'data-science'
Выходит Python 3.11! Вот как это работает с Python 3.10
Взгляд на новые функции Python 3.11
По данным Python Software Foundation (PSF), Python 3.11 находится в 7-й альфа-версии, выпуск которой запланирован на октябрь 2022 года .
Какие изменения включены в следующую версию?
Пролог
Чтобы оценить различия между версиями 3.10 и 3.11, я установил 2 контейнера докеров.
Первый контейнер для версии 3.10:
docker run -t -d python:3.10.4-bullseye
Второй контейнер для версии 3.11:
docker run -t -d python:3.11-rc-bullseye
Имея два..
Дерево принятия решений по машинному обучению
Дерево решений — это контролируемый алгоритм классификации и регрессии, также называемый алгоритмом CART, что означает, что его можно использовать для задач классификации и регрессии. Он формирует основу для всех продвинутых древовидных моделей. Следовательно, понимание дерева решений жизненно важно для любого энтузиаста DS/ML. Итак, попробуем разобраться.
Как следует из названия, он следует древовидному подходу, который принимает решения для данной проблемы. Цель модели — получить..
Руководство для начинающих по изучению Apache Airflow 2.X
Предположим, вы хотите создать систему, которая периодически запускается и выполняет в ней какие-то задачи. Теперь это может быть как очень простой процесс очистки данных, так и очень сложный, например, извлечение, преобразование и загрузка данных для обычного аналитического отчета или переобучение модели машинного обучения.
Таким образом, мы можем использовать некоторые ручные методы для выполнения всех видов операций, что занимает много времени, или мы можем автоматизировать наш процесс..
Типы машинного обучения
В этой статье представлены типы машинного обучения и используемые методы.
Машинное обучение включает в себя показ большого объема данных машине, чтобы она могла учиться и делать прогнозы, находить закономерности или классифицировать данные. Три типа машинного обучения: контролируемое, неконтролируемое и обучение с подкреплением.
Эти алгоритмы машинного обучения помогают решать различные бизнес-задачи, такие как регрессия, классификация, прогнозирование, кластеризация, ассоциации и..
Сможете ли вы прочитать этот заголовок боковым зрением?
Наверное, нет — только середина вашего взгляда имеет необходимое «разрешение». Но почему? У ИИ может быть ответ…
Одной из основных областей, в которой используется ИИ, является обработка изображений. Будь то обнаружение автомобилей автопилотом Теслы или распознавание раковых клеток — ИИ хорош в анализе изображений:
Такие программы искусственного интеллекта обычно представляются в некотором роде напоминающими человеческое зрение — поэтому их называют нейронными сетями, хотя и..
Как специалисты по данным могут начать работать над реальными проблемами человечества
И перестаньте просто предсказывать цифры
Пусть первым бросит камень тот, кто никогда не предсказывал цифры с помощью набора данных MNIST. — каждый специалист по данным в мире.
Мы все использовали MNIST для предсказания цифр, все это знают. Иногда мы все еще делаем это, когда статьи настаивают на проверке новых идей на наборе данных MNIST.
Обучение с использованием набора данных MNIST не является настоящей проблемой.
Дело в том, что в конце концов, после долгих исследований,..
CoreML: наблюдение за качеством изображения на iOS
В Предыдущей серии блогов мы говорили о том, почему прогнозирование качества изображения важно для нашей платформы и как мы решили эту проблему с помощью глубоких сверточных сетей с использованием трансферного обучения Pre -Подготовьте модель MobileNet.
В этой части мы поговорим о том, как мы использовали модель машинного обучения в iOS для предсказания изображений.
Первый подход: использование TensorFlow
TensorFlow - это библиотека с открытым исходным кодом для..
Новые материалы
Как создать диаграмму градиентной кисти с помощью D3.js
Резюме:
Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
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..