Публикации по теме 'data-science'
3 способа справиться с недостающими значениями в машинном обучении с помощью Python
Повысьте производительность своей модели, удалив недостающие данные
Очистка данных - важный процесс моделирования машинного обучения. Точность алгоритма машинного обучения может быть снижена из-за отсутствия значений в наших данных. Поэтому перед обучением модели машинного обучения необходимо очистить данные.
В Python есть различные методы работы с недостающими данными. Используя эти методы, мы можем удалить недостающие значения из наших данных, а затем использовать эти данные для..
Конспект лекций по глубокому обучению: потери и оптимизация - часть 1
Конспект лекций FAU по глубокому обучению
Убыток и оптимизация - Часть 1
Классификация и регрессионные потери
Это конспекты лекции FAU Глубокое обучение на YouTube. Это полный текст лекции и соответствующие слайды. Надеемся, вам понравится это не меньше, чем видео. Конечно, эта стенограмма была создана с помощью методов глубокого обучения в значительной степени автоматически, и были внесены лишь незначительные изменения вручную. Если вы заметили ошибки, сообщите нам об..
Подумайте о статистике
На этой неделе книга по науке о данных называется Think Stats Аллена Б. Дауни. Несмотря на естественную тенденцию быть пораженным новейшими моделями и алгоритмами, правда в том, что большая часть работы специалистов по данным должна быть более простой и фундаментальной. Наличие прочной основы в традиционной статистике имеет первостепенное значение для успешной карьеры в науке о данных. Think Stats использует эмпирический подход, который помогает вам полностью и по-настоящему понять..
От ноутбуков Jupyter к реальной жизни: MLOps
Почему это обязательно?
Моим первым проектом по науке о данных была модель машинного обучения, которая прогнозирует цены на подержанные автомобили. Основными этапами проекта были:
Парсинг объявлений о подержанных автомобилях на веб-сайте Очистка и предварительная обработка очищенных данных Исследовательский анализ данных Создание модели Оценка модели
Конечный результат был вполне удовлетворительным с показателем R-квадрата 0,9. Я имею в виду, что это превзошло мои ожидания,..
Последняя модельная профессия: Prompt Engineering
Искусственный интеллект (ИИ) входит в нашу жизнь намного быстрее, чем мы ожидали, и кажется, что остановить его в настоящее время невозможно. Несмотря на то, что быстрое развитие искусственного интеллекта заставляет всех задуматься об антиутопических сценариях научной фантастики, как отдельные пользователи, так и компании в настоящее время добиваются максимальной эффективности этой технологии.
Роль искусственного интеллекта в повседневной жизни:
На самом деле, многие люди..
Реализация классификатора LightGBM в SQL
Внедрение модели машинного обучения в производственную среду иногда бывает сложной задачей. Особенно, когда у вас нет определенной инфраструктуры. Если в вашей компании нет сервера Python и вы хотите внедрить прогнозную модель машинного обучения на любом компьютере с базой данных, эта статья для вас. На самом деле, делая это в системе баз данных, вы на самом деле можете сэкономить деньги и ресурсы (конечно, некоторые люди могут не согласиться со мной). Пока вы не планируете использовать..
Как используются функции потерь, часть 1 (машинное обучение)
Оценка влияния изменения функции потерь в глубоком обучении для классификации (arXiv)
Автор: Саймон Дрэгер , Янник Дункелау
Аннотация: Функция потерь, возможно, является одним из наиболее важных гиперпараметров для нейронной сети. На сегодняшний день разработано множество функций потерь, что делает правильный выбор нетривиальным. Однако подробные обоснования выбора функции потерь в смежных работах не приводятся. Это, как мы видим, свидетельствует о догматическом мышлении в..
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..