Публикации по теме 'data-science'
Выбор функций в машинном обучении
При построении модели машинного обучения мы сталкиваемся с множеством функций (зависимых переменных), которые могут добавлять или не добавлять какое-либо значение к целевой переменной. Если мы используем все функции, это может привести к неэффективному коду с большими временными задержками, а также к переподгонке моделей. Следовательно, мы используем метод под названием «Выбор функций», чтобы удалить избыточные функции и построить общую подходящую модель.
Технику выбора фильтра можно..
Знакомьтесь: Наджунг Ким
Эта запись является частью нашей серии блогов Meet the Fellow, в которой рассказывается о стипендиатах факультета, недавно присоединившихся к CDS.
Познакомьтесь с научным сотрудником CDS Najoung Kim , который присоединился к нам в этом осеннем семестре. Незадолго до прихода в CDS Наджунг получила степень доктора когнитивных наук на Отделе когнитивных наук Университета Джона Хопкинса . В 2019 году она также получила награду за лучшую статью от Материалов восьмой совместной..
Шаги для решения проблемы машинного обучения
Есть несколько шагов, которым вы можете следовать при решении проблемы машинного обучения:
Определите проблему: четко определите проблему, которую вы пытаетесь решить, и целевую аудиторию для вашего решения. Собирайте и исследуйте данные: соберите и визуализируйте данные, которые вы будете использовать для обучения своей модели. Это поможет вам понять закономерности и отношения в данных, а также определить любые потенциальные проблемы или проблемы. Предварительно обработайте данные:..
Храните неограниченное количество данных бесплатно в IPFS и извлекайте их с помощью Python
Как внедрить децентрализованное хранилище в ваш рабочий процесс
Новые технологии, такие как InterPlanetary FileSystem ( IPFS ), могут внести свой вклад в экосистему, которая станет более проверяемой и открытой. Поскольку IPFS использует идентификаторы контента (CID), которые представляют собой хэш контента, вы можете быть уверены, что возвращаемые данные верны. Кроме того, IPFS является открытой и общедоступной сетью. Таким образом, любой может получить доступ к контенту в сети,..
Раскрытие возможностей унифицированной многообразной аппроксимации и проекции для уменьшения размерности
Равномерное многомерное приближение и проецирование (UMAP) — это мощный метод машинного обучения, который позволяет сводить многомерные данные в низкоразмерное пространство, сохраняя при этом топологическую структуру данных. Это достигается за счет использования нечеткой топологической структуры, которая позволяет идентифицировать лежащее в основе многообразие данных и спроецировать это многообразие на пространство меньшей размерности.
Одним из ключевых преимуществ UMAP является его..
Темы собеседований по машинному обучению
30 самых важных тем для собеседований по машинному обучению
В этой статье я расскажу вам о наиболее важных темах собеседований по машинному обучению, которые вы должны знать, прежде чем появляться на собеседовании по машинному обучению. Прежде чем перейти к наиболее важным темам собеседования по машинному обучению, вы должны прочитать эту статью , чтобы узнать, как подготовиться к собеседованию по машинному обучению.
Важные темы собеседования по машинному обучению
Машинное..
5 советов для вашей карьеры в области науки о данных
Учитесь, стройте, делитесь. Повторить.
Ни для кого не секрет, что рабочие места, основанные на данных (специалист по данным, инженер по искусственному интеллекту и т. Д.), Становятся свидетелями очень заметного роста за последние несколько лет, поощряя подростков и молодых выпускников делать карьеру в области ИТ и повышать квалификацию в таких областях, как машины. обучение, глубокое обучение, бизнес-аналитика, инженерия данных, наука о данных.
Если вы только начинаете, от вас не..
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..