Публикации по теме 'data-science'
Это будущее ИИ в ресторанах
Рестораны начинают открываться с ограниченной вместимостью по мере развертывания вакцин, а города начинают ослаблять ограничения. Если сравнить походы в рестораны в 2021 году и походы в рестораны в 2019 году, можно выделить несколько моментов. Во-первых, из-за COVID-19 вам, вероятно, нужно сделать предварительный заказ, если они хотят посидеть в ресторане, который работает только на 30 процентов. Во-вторых, когда вы сидите, вы можете чувствовать себя защищенным оргстеклом, которое..
На пути к тому, чтобы стать компьютерным лингвистом полного стека
Летняя школа представляла собой интенсивный буткемп с лекциями с 9:30 до 13:00. Лекции охватывали такие области, как;
Машинный перевод Разбор Морфологический анализ Анализ настроений Система ответов на вопросы От контекста к смыслу: применение дистрибутивной семантики Извлечение информации и поиск информации Распознавание речи
Затем последовала проектная работа в среде хакатона, где работа затягивалась до полуночи. Мой проект заключался в создании фреймворка для..
Визуализация нотации Big O за 12 минут
Давайте посмотрим на нотацию BigO с другой точки зрения.
Я искренне верю, что нет ничего, чему нельзя было бы научиться, если начать с самых основ.
Если вы объедините правильные ресурсы и желание учиться, ничто не сможет устоять перед вами и вашими мечтами.
В этой статье я хочу внести небольшой вклад в сообщество, объяснив очень важную концепцию, такую как нотация BigO, используя некоторую силу визуализации и мой опыт в математике, чтобы помочь вам лучше понять эту тему...
Развитие машинного обучения и науки о данных: что я делал вчера и сегодня.
Что я сделал вчера: • DS101X Statistical Thinking for Data Science and Analytics // завершение 2-й недели «Вероятность и статистика I» # введение в статистику # нормальный (гауссовский ) распределение # дисперсия/стандартное отклонение # статистический вывод # что такое «статистическая значимость» -› как отличить значимую связь между факторами и результатами от шума или случайного случая # корреляция и причинно-следственная связь # что мы подразумеваем под «доверительным интервалом» #..
На 100% более быстрая среда обучения с подкреплением с Cygym
Более быстрая замена для тренажерного зала с помощью cygym
Любой, кто хоть немного занимается обучением с подкреплением, скорее всего, скажет вам, что он использовал пакет OpenAI’s Gym (ссылка ниже), и не зря! Это простой в использовании, расширяемый и хорошо поддерживаемый пакет, который снижает значительную часть накладных расходов при настройке проекта RL.
Однако при выполнении крупномасштабного проекта с минимальными ресурсами важно, чтобы каждая капля производительности была..
Обучение с учителем: основы линейной регрессии
1. Введение
Регрессионный анализ - это подраздел машинного обучения с учителем. Он нацелен на моделирование взаимосвязи между определенным количеством функций и непрерывной целевой переменной.
В задачах регрессии мы пытаемся дать количественный ответ, например, прогнозировать цены на дом или количество секунд, которые кто-то потратит на просмотр видео.
2. Простая линейная регрессия: подгонка линии по данным
Имея набор точек, алгоритм регрессии будет моделировать взаимосвязь между..
Понимание концепции маркировки эффективного обучения
Эффективная самостоятельная проверка говорящего с помощью меток с максимизацией информации и контрастным обучением ( arXiv )
Автор: Тео Лепаж , Реда Дехак
Аннотация . Современные системы проверки говорящих по своей сути зависят от человеческого контроля, поскольку они обучаются на огромных объемах размеченных данных. Однако аннотирование высказываний вручную является медленным, дорогим и не масштабируемым до объема данных, доступных сегодня. В этом исследовании мы изучаем..
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..