Публикации по теме 'data-science'
Как работает Temporal Graph Learning, часть 1 (машинное обучение)
ProductGraphSleepNet: стадирование сна с использованием пространственно-временного графического обучения продукта с внимательным временным агрегированием (arXiv)
Автор: Ареф Эйнизаде , Саманэ Насири , Сепидех Хаджипур Сардуи , Гари Клиффорд
Аннотация: Классификация стадий сна играет решающую роль в понимании и диагностике патофизиологии сна. Оценка стадии сна в значительной степени зависит от визуального осмотра экспертом, что требует много времени и является субъективной..
Обзор алгоритмов обучения с полуучителем — Часть 2
Продолжая обзор литературы по алгоритмам полууправляемого обучения, мы подошли к недооцененному многопрофильному обучению.
С. 2. Многопрофильное обучение
Обучение с несколькими представлениями относится к классу методов обучения, в которых используется соглашение между разными учащимися. Здесь предположения о совместном обучении не требуются для моделей обучения с несколькими представлениями. Вместо этого несколько методов обучения (например, деревья решений, SVM и т. д.) обучаются..
Введение в чат GPT
Используя ChatGPT или Генеративный предварительно обученный преобразователь, в котором используется искусственный интеллект, компьютеры могут имитировать человеческие обсуждения. Он создает интерактивный и интересный разговорный опыт с пользователем, используя алгоритмы машинного обучения и обработку естественного языка (NLP). Chat GPT можно использовать для обслуживания клиентов, приложений личного помощника, автоматизированной поддержки клиентов и многого другого. Понимая намерения и..
Допущения линейной регрессии
Линейная регрессия используется, когда набор данных имеет линейную корреляцию. Перед построением модели линейной регрессии предположения должны быть проверены . Если предположения нарушаются, необходимо использовать разные методики.
Простая линейная регрессия имеет одну независимую переменную (предиктор) и зависимую переменную (ответ), а множественная линейная регрессия имеет более одного предиктора для прогнозирования ответа.
Уравнение простой линейной регрессии..
Платформа данных Kubernautic для DataOps и MLOps
Введение
Каждое цифровое преобразование требует платформы данных для преобразования данных и решения задач операций с данными , называемых DataOps , для объединения данных, приложений и процессов, созданных людьми и машинами.
Чтобы сделать данные доступными в режиме реального времени для нужных специалистов по данным, отделив бизнес-решения от базовой инфраструктуры, организациям необходимо устранить узкие места в своих проектах данных, внедрив платформу данных на основе лучших..
Основы машинного обучения (II): нейронные сети
Основы машинного обучения (II): нейронные сети
В моем предыдущем посте я описал, как работает машинное обучение, продемонстрировав центральную роль, которую функции затрат и градиентный спуск играют в процессе обучения. Этот пост основан на этих концепциях, исследуя, как работают нейронные сети и глубокое обучение. В этом посте мало объяснений и много кода. Причина этого в том, что я не могу придумать какой-либо способ более четко разъяснить внутреннюю работу нейронной сети, чем..
Работа с определением границ общего события, часть 1 (информатика)
Обнаружение границ общего события в видео с функциями пирамиды (arXiv)
Автор: Ван Тонг Хюнь , Хён-Джон Ян , Гуи-Сан Ли , Су-Хён Ким .
Аннотация: Общее обнаружение границ событий (GEBD) направлено на разделение видео на фрагменты с широким и разнообразным набором действий, поскольку люди естественным образом воспринимают границы событий. В этом исследовании мы представляем подход, который рассматривает корреляцию между соседними кадрами с картами признаков пирамиды как 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..