Публикации по теме 'data-science'
Как узнать, строите ли вы хорошую модель машинного обучения? Используйте базовый уровень
Второй шаг к стандартизации ваших экспериментов
У вас есть четко сформулированная постановка задачи. Он ограничен, ваша задача и метрики оценки прекрасно определены. Я знаю, о чем ты думаешь…
Выдумки да, любители данных, давайте сделаем это !
Однако подождите всего одну секунду. Я знаю, как вы испытываете искушение начать забрасывать все данные всеми алгоритмами. Но я хочу предупредить вас, как и Эндрю Нг предупредил меня…
Это рецепт бесконечных страданий.
Да все..
Жидкие нейронные сети
Изучение динамики жидкостных вычислительных систем
Обзор
Этот курс обеспечивает углубленное изучение жидких нейронных сетей, типа вычислительной модели, вдохновленной поведением жидкостей. Жидкие нейронные сети известны своим динамичным и непрерывным характером, что делает их хорошо подходящими для таких задач, как анализ временных рядов и сенсорная обработка. В этом курсе студенты изучат фундаментальные принципы жидкостных вычислительных систем, включая архитектуру, методы..
Уроки, извлеченные из моей первой работы по науке о данных
Я получил свою первую работу по науке о данных в июне 2021 года, потратив около двух с половиной лет на подготовку к собеседованиям по науке о данных, пройдя МООК (в основном курсы Udacity и Udemy), прочитав несколько книг на эту тему и прислушиваясь к советам людей, которые преуспели в этой области (к счастью, получили лучший совет). Я получил свою первую работу в области обработки данных, как описано в этой истории , в стартапе в области здравоохранения под названием Bright..
Злоупотребление Go Generics снижает эффективность! Улучшение производительности Golang(7)
В этой статье я сравню производительность среди фиксированного типа, интерфейс в качестве параметра принимает любое значение и перейду к дженерикам. Вы знаете, что Go Generics — самый медленный.
Основы
Сначала рассмотрим концепции go generics, интерфейс в качестве параметра принимает любое значение и фиксированный тип.
Фиксированный тип
В программировании на Go «фиксированный тип» обычно относится к конкретному типу с определенным известным типом во время компиляции. Это..
Общие методы науки о данных
Традиционные данные: методы
Термин «данные» может относиться к «необработанным фактам», «обработанным данным» или «информации». Необработанные данные, также называемые «первичными данными», — это данные, которые нельзя сразу проанализировать. Это нетронутые данные, которые вы накопили и сохранили на сервере.
Сбор данных . Сбор необработанных данных называется сбором данных. Данные можно собирать несколькими способами.
Предварительная обработка данных
Это необходимо выполнять..
#Ваш #ИскусственныйИнтеллект #ЦифровоеПутешествие
Важность категориальных данных в процессе принятия решений и как с ними работать в машинном обучении
Деловые люди , независимо от того, являются ли они специалистами по данным или нет, вполне вероятно, что они ежедневно сталкиваются с категориальными данными в рамках своих стратегических и/или оперативных задач.
Мы используем категориальные данные в нескольких областях, от маркетинга до операций и рисков :
в маркетинге мы имеем дело с категориальными данными при проведении..
Можем ли мы предсказать цитируемость препринтов?… И должны ли?
Интересно сравнить препринты с журналами. Давайте посмотрим на все статьи, опубликованные на ArXiv в 2010 году, используя данные API ArXiv OAI-PMH . Затем мы можем сопоставить их с журнальными версиями тех же статей, используя API CrossRef .
Почему мы смотрим на 2010 год? 2010 год может показаться давным-давно. Но вы можете удивиться, узнав, что некоторые статьи, загруженные в ArXiv в 2010 году, все еще публикуются (последняя из них была опубликована в конце декабря 2018 года) .
По..
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..