Публикации по теме 'data-science'
Использование банаховых решеток в машинном обучении, часть 1
S-разложимые банаховы решетки, оптимальные пространства последовательностей и интерполяция (arXiv)
Автор : Сергей Васильевич Асташкин , Пер Г. Нильссон
Аннотация: Исследуется связь верхних/нижних оценок для банаховых решеток с понятием относительной s-разложимости, имеющим корни в теории интерполяции. Чтобы получить характеристику относительно s-разложимых банаховых решеток в терминах приведенных выше оценок, мы сопоставляем каждой банаховой решетке X два пространства..
Как планарные графы используются в машинном обучении, часть 7
Логарифмическая граница для одновременного встраивания планарных графов (arXiv)
Автор : Рафаэль Штайнер
Аннотация: Множество G плоских графов с одинаковым числом n вершин называется одновременно вложимым, если существует множество P из n точек на плоскости такое, что каждый граф GεG допускает (беспересекательное) прямолинейное вложение с вершины расположены в точках P. Коллекция конфликтов представляет собой набор плоских графов одного порядка без одновременного встраивания. Хорошо..
Чему плохой кофе научил меня о платформах для обработки и анализа данных
Я буду честен. Я люблю кофе. Мне нравится все: от его вкуса, теплых успокаивающих объятий, которые я чувствую, когда пью утренний эспрессо, до легкого покалывания концентрации, которое он дает мне, когда я просматриваю Твиттер воскресным утром. И я не одинок.
Только в Соединенных Штатах ежедневно выпивается более 400 миллионов чашек кофе, поэтому количество кофе, которое мы выпиваем как вид, просто безумно.
Чтобы дать вам некоторый контекст, Финляндия потребляет 12 кг кофе на душу..
MLforSocial: прогнозирование предвзятости СМИ
Использование машинного обучения для понимания и прогнозирования предвзятости СМИ в статьях.
Задний план
Предвзятость СМИ - это предвзятость или предполагаемая предвзятость журналистов в средствах массовой информации, включая социальные сети, в отношении выбора событий и историй, которые освещаются, и того, как они освещаются.
Термин предвзятость СМИ подразумевает повсеместное или широко распространенное предубеждение, противоречащее стандартам журналистики , а не точку..
Аминь! Это самая большая проблема, с которой я сталкиваюсь как нынешний специалист по данным, пытаясь снизить…
Аминь! Это самая большая проблема, с которой я сталкиваюсь как нынешний Data Scientist, пытаясь снизить ожидания тех, кто выходит на поле. На самом деле выполнение бита ML обычно является самой маленькой частью проекта.
Это не для всех, но я думаю, что люди должны попробовать и увлечься процессом в целом . Это то, что движет мной. Я хочу поставлять системы или решения, которые полностью решают реальную бизнес-проблему. От получения данных, работы с ними и преобразования их в..
Как я создал модель машинного обучения и развернул ее с помощью Streamlit
Сквозной Data Science проект регрессионной модели для прогнозирования цен на автомобили.
Проект
Язык программирования: Python Алгоритм: контролируемое обучение, регрессия случайного леса Цель: Моей целью в этом проекте было создание модели для оценки цен на автомобили в Бразилии. Эта модель была развернута в веб-приложении, созданном с помощью Streamlit, что могло, например, помочь магазину оценить цены на автомобили, которые они собирались купить.
Набор данных
Этот..
Как работает алгоритм байесовского дерева аддитивной регрессии (BART), часть 3
О теории BART (arXiv)
Автор : Вероника Рокова , Энакши Саха
Вывод: обучение в ансамбле — это статистическая парадигма, основанная на предположении, что многие слабые учащиеся могут работать исключительно хорошо при коллективном развертывании. Метод BART Чипмана и соавт. (2010) является ярким примером байесовского ансамблевого обучения, где каждый ученик представляет собой дерево. Благодаря своим впечатляющим характеристикам BART привлек большое внимание практиков. Однако,..
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..