Публикации по теме 'data-science'
Прекратите впускать дрянной код в свои репозитории
Использование хуков git и предварительной фиксации для улучшения качества репо
Я видел, как это происходило в самых разных компаниях. От Fortune 500 до небольших стартапов кажется, что все упускают первый шаг, необходимый для того, чтобы ваша кодовая база не испортилась плохими и неработающими коммитами. Это крючки для фиксации git.
Что такое хуки Git?
Перехватчики Git позволяют запускать пользовательский код при различных событиях git. Типичным вариантом использования для этого..
Иерархическое байесовское моделирование для Ford GoBike Ridership с PyMC3 - Часть II
В первой части этой серии мы изучили основы использования байесовской модели машинного обучения PyMC3 для построения простой модели линейной регрессии на данных Ford GoBike. В этом примере задачи мы стремились спрогнозировать количество гонщиков, которые будут использовать велопрокат завтра, на основе агрегированных атрибутов предыдущего дня. Этот тривиальный пример был просто холстом, на котором мы продемонстрировали наши байесовские мазки .
Подводя итог нашей предыдущей..
Платформа MLOps с открытым исходным кодом
Создание платформы машинного обучения с помощью инструментов с открытым исходным кодом
В современную цифровую эпоху машинное обучение (МО) имеет решающее значение для многих отраслей. От финансов до здравоохранения, его применение безгранично. Однако основой каждой успешной системы машинного обучения является надежная платформа, и с появлением инструментов с открытым исходным кодом создание такой платформы стало как никогда доступным. Давайте углубимся в незаменимые инструменты, которые..
Математика для глубокого обучения (часть 5)
Давайте поговорим об одной из самых известных архитектур нейронных сетей: Convolution Neural Network (CNN). Этот тип сети отлично подходит для компьютерного зрения, что способствовало внедрению решений глубокого обучения за последнее десятилетие.
CNN используют пространственную корреляцию между соседними точками для обнаружения закономерностей. Вдохновение для CNN исходит из того, как человеческий мозг обрабатывает изображения, то есть есть некоторые части, отвечающие за обнаружение..
Как работает обобщенное лассо, часть 3 (машинное обучение)
Более мощный условный выборочный вывод для обобщенного лассо с помощью параметрического программирования (arXiv)
Автор: Во Нгуен Ле Дуй , Ичиро Такеучи
Аннотация: Условный выборочный вывод (SI) интенсивно изучается как новая структура статистического вывода для гипотез, основанных на данных. Основная концепция условного SI заключается в том, чтобы сделать вывод обусловленным событием выбора, что позволяет сделать точный и достоверный статистический вывод, даже если гипотеза..
Интуиция линейной регрессии, самое простое объяснение
· Концепция алгоритма линейной регрессии заключается в создании линии наилучшего соответствия, которая выглядит как на изображении ниже.
· Красная линия – это линия, созданная моделью. Он идет линейно с точками данных таким образом, который лучше всего подходит к точкам данных или близок к ним.
Здесь важно создать линию регрессии. точки на линии регрессии будут нашими предсказанными точками.
Формула для линии регрессии
Y= mx+c
Где Y — прогнозируемые точки, m — наклон линии...
Векторы и матрицы
Векторы — это набор координат точки в заданном пространстве. Они определяются своей величиной и направлением.
Для n-мерностей в данном пространстве имеется n-координат.
Единичный вектор имеет модуль, равный единице. Чтобы найти единичный вектор любого вектора, разделите каждый элемент вектора на длину вектора.
Проекцию вектора x на вектор y можно найти, разделив скалярное произведение x и y на величину вектора y и умножив его на вектор y . Проекция вектора x..
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..