Публикации по теме 'data-science'
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..
Data Science 101 — Регрессионная аналитика; Мощный инструмент для бизнеса
Что такое регрессионный анализ и как его использовать, чтобы лучше понять свой бизнес?
Автор Ань Ле . Подпишитесь на нее в Medium и LinkedIn , чтобы узнать больше. Также подпишитесь на Desa Analytics на Medium, чтобы получать уведомления о публикации новых блогов.
Введение
Y = mx + b — это первая регрессия, которую все учат. Это уравнение прямой линии, и вы можете использовать его, чтобы сделать простой прогноз любого события. Например, если у вас есть план мобильного телефона,..
Вам нужен магазин функций?
Магазины функций упрощают и удешевляют создание более точных моделей машинного обучения.
Автор: Монте Цвебен , Морган Суини
Модель машинного обучения будет настолько хороша, насколько хороши данные, в которые она поступила. Чтобы быть более точным, модель хороша настолько, насколько хороши функции , которые ей были предоставлены.
Функция - это полезный показатель или атрибут, взятый либо из точки необработанных данных, либо из совокупности нескольких точек исходных данных...
Как получить свою первую работу в области науки о данных без какого-либо опыта работы
Творчество, стойкость и настойчивость станут тремя словами, которыми вы живете
Независимо от того, являетесь ли вы новым выпускником, кем-то, кто хочет сменить карьеру, или котом, похожим на приведенного выше, область науки о данных полна вакансий, которые отмечают почти все поля в контрольном списке современного работника. Работа в области науки о данных дает вам возможность иметь гарантированную работу, высокооплачиваемую зарплату с возможностью продвижения по службе и возможность..
Как можно использовать комбинацию Transformer Neural Network, часть 5 (машинное обучение)
Риторическая ролевая маркировка юридических документов с использованием преобразователей и графовых нейронных сетей (arXiv)
Автор: Аншика Гупта , Шаз Мебельвала , Виджай Кумари , Яшвардхан Шарма .
Аннотация: Юридический документ, как правило, длинный и плотный, и для его разбора требуется человеческое усилие. Он также содержит значительное количество жаргона, из-за чего получение информации с использованием существующих моделей является плохим подходом. В этом документе..
Функции и их концепции в Python
Программирование
Функции и их концепции в Python
Компоненты и типы аргументов в функциях
В этой статье будут рассмотрены все концепции, связанные с функциями, и вы почувствуете себя комфортно при программировании. Эта тема очень проста для понимания и в то же время трудна из-за меньшего количества практики.
Темы для обсуждения:
Вступление Аргументы функции и их типы Глобальная и локальная переменная Передача последовательности данных в функцию Анонимная функция -..
Mojo: новый язык программирования для ИИ
Что такое Mojo и чем он может быть лучше Python для приложений AI и ML
Было много шума вокруг Mojo как потенциального преемника Python в мире искусственного интеллекта и машинного обучения. Давайте рассмотрим некоторые основные различия между Mojo и Python. Мы также рассмотрим некоторые ключевые функции Mojo и то, как они могут помочь в более быстрой и эффективной разработке.
вступление
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..