Публикации по теме 'data-science'
Неделя № 6 в машинном обучении
Неконтролируемое машинное обучение
В неконтролируемом машинном обучении данные не помечены, поэтому система пытается учиться на данных без зависимости от меток. Система пытается идентифицировать закономерности в данных и присваивать им метки на основе того, как связаны атрибуты.
Большая часть доступных данных не размечена. Маркировка этих данных является дорогостоящей, утомительной и затратной с точки зрения времени.
Алгоритмы неконтролируемого обучения извлекают..
Человеческое обучение и ИИ
Это был мой первый месяц на новой работе. Я работал с новым потенциальным клиентом и посещал их несколько раз, чтобы завершить предложение для их требований. Сейчас это может показаться немного странным, но тогда мы встречались лично для обсуждения. Телефоны использовались только для записи на прием. Для меня стало обычным приезжать в гостиницу накануне вечером и уходить в офис рано утром, сразу после быстрого завтрака.
На этот раз я приехал очень поздно и не успел сообщить..
Алгоритм KNN: практическая реализация алгоритма KNN в R
С увеличением объема данных, которые мы генерируем, потребность в передовых алгоритмах машинного обучения возросла. Одним из таких алгоритмов является алгоритм K ближайших соседей. В этом блоге об алгоритме KNN в R вы поймете, как работает алгоритм KNN и его реализация с использованием языка R.
В этом блоге KNN Algorithm In R будут освещены следующие темы:
Что такое алгоритм KNN? Особенности алгоритма KNN Как работает алгоритм KNN? Вариант использования алгоритма KNN Псевдокод..
Понимание переобучения и недообучения в машинном обучении
Машинное обучение стало неотъемлемой частью нашей жизни, поддерживая приложения и технологии, начиная от персонализированных рекомендаций и заканчивая автономными транспортными средствами. По своей сути машинное обучение позволяет компьютерам изучать закономерности на основе данных и делать прогнозы или принимать решения без явного программирования. Эта замечательная способность произвела революцию в промышленности и обладает огромным потенциалом для решения сложных проблем.
Однако..
Наивный байесовский классификатор 2/2
2/2 содержит кодовую часть наивного байесовского классификатора.
Давайте подведем итог тому, что мы узнали из Наивного байесовского классификатора 1/2 .
Наивный байесовский метод — это метод машинного обучения, который вы можете использовать для прогнозирования вероятности того, что событие произойдет, учитывая свидетельства в ваших данных.
Три типа наивных байесовских моделей
Полиномиальный — хорошо подходит, когда ваши функции (категориальные или непрерывные) описывают..
Возможности Art of Engineering для сильной модели машинного обучения
Самый важный процесс для любой проблемы науки о данных, который вам следует изучить.
Что вы узнаете?
Развивайте навыки критического мышления, необходимые для проектирования функций Разработка функций для алгоритма борьбы с отмыванием денег
Вступление
Разработка функций? [1]
Функция - это числовое представление необработанных данных. В структурированных данных это независимые переменные, от которых зависит одна из переменных. Функции, которые уже присутствуют в наборе..
7 лучших ютуберов по науке о данных, которых стоит посмотреть бесплатно в 2022 году
Их видео образовательные, развлекательные и, самое главное, бесплатные для обучения.
Наука о данных — один из самых важных и востребованных навыков в 2022 году.
Если вы хотите изучать науку о данных, вам повезло! В Интернете доступно множество отличных ресурсов, включая DataCamp, Coursera и Udacity.
Но если вы ищете более неформальное и увлекательное обучение, Youtube может быть подходящим местом для вас.
В этом посте мы перечислим 7 моих любимых ютуберов по науке о данных,..
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..