Публикации по теме 'data-science'
Слишком много выбросов? — Винсоризация
При подготовке данных для машинного обучения вы часто будете сталкиваться с функциями со значениями, которые отделены от остальных, мы называем их выбросами. Такие значения являются проблемой для большинства моделей, поскольку они чувствительны к выбросам. Что ж, алгоритмы регрессии, такие как робастная регрессия, регрессоры XGBoost и некоторые другие, считаются «устойчивыми» к выбросам, но я понял, что это может быть не так, когда у нас довольно много выбросов. Данные из реальной..
Будущее ИИ
Прежде чем мы узнаем его будущее, знаем ли мы, что такое ИИ?
Что такое ИИ?
AI — это сокращение от искусственного интеллекта. Итак, согласно Википедии, искусственный интеллект — это интеллект, демонстрируемый машинами, в отличие от естественного интеллекта, демонстрируемого животными, включая людей.
Говоря простым языком, искусственный интеллект (ИИ) — это способность компьютерной программы или машины думать и учиться. Это также область исследований, которая пытается сделать..
Запуск баз данных MySQL на AWS EC2 - учебное пособие для начинающих
НАУКА ДАННЫХ
Запуск баз данных MySQL на AWS EC2 - учебное пособие для начинающих
Удаленный запуск и управление базами данных MySQL
Запускать базы данных на локальных компьютерах просто, а иногда и достаточно на этапе разработки. Но для развертывания большинства приложений необходимо запускать базы данных на удаленном сервере. Существуют тысячи решений для удаленного развертывания баз данных. В этой статье показано, как создать простую базу данных на сервисах AWS EC2 и удаленно..
Введение в машинное обучение
Что такое машинное обучение и чем оно отличается от искусственного интеллекта.
Если вы читаете этот пост в блоге, значит, вы слышали о Машинном обучении и, вероятно, имеете общее представление о том, что такое Машинное обучение , но, возможно, не знаете точно, что это значит. и чем машинное обучение отличается от традиционного компьютерного программирования или где проходят границы между машинным обучением и искусственным интеллектом . В этой статье я расскажу постараемся помочь..
C3 AI: почему шумиха могла выйти из-под контроля
C3 AI (AI) штурмом взяла публичные рынки в этом году, испытав поразительный 260-процентный рост цен на свои акции с начала года. Можно предположить, что под руководством известного технологического предпринимателя Тома Сибеля, который также основал и продал компанию по разработке программного обеспечения Siebel Systems, Уолл-стрит была бы в восторге от этой фирмы, специализирующейся на искусственном интеллекте. Однако на фоне стремительного роста цен на акции и знаменитого генерального..
Что такое микроскоп OpenAI?
Сборник визуализации значимых слоев 8 популярных моделей CNN.
Микроскоп систематически визуализирует каждый нейрон в нескольких обычно изучаемых моделях зрения и делает все эти нейроны связанными. может поддерживать следующие способы:
Визуализации можно получить с помощью библиотеки с открытым исходным кодом Lucid ( объяснено с помощью кода ниже ), созданной с поддержкой TensorFlow с помощью OpenAI. Связывание моделей и нейронов позволяет немедленно изучить и изучить результаты..
8 вопросов и ответов на собеседовании по машинному обучению
Популярные вопросы для интервью по науке о данных, любезно предоставленные Интернетом, теперь с ответами.
1. В чем разница между HAVING и WHERE в SQL-запросе?
Предложения WHERE и HAVING используются в запросах SQL для фильтрации записей на основе заданных условий. Однако у них есть несколько ключевых отличий.
Разница между HAVING и WHERE в SQL-запросе заключается в том, что WHERE используется для фильтрации записей до того, как будут сделаны какие-либо группировки, а HAVING..
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..