Публикации по теме 'data-science'
Предположения, плюсы и минусы моделей данных
В каждом секторе жизни, прежде чем применять что-либо большое или малое, нам может потребоваться рассмотреть некоторые предположения и узнать все за и против. Точно так же, когда мы говорим о науке о данных и моделировании данных, у нас есть множество вариантов, которые могут помочь решить проблемы, связанные с данными, и принять решения, основанные на данных. Основная проблема, которая приходит нам на ум, заключается в выборе одного из этих вариантов. Там, где хорошо обученная модель..
160+ вопросов на собеседовании по науке о данных
Линейные модели, древовидные модели, нейронные сети и многое другое!
Типичный процесс собеседования на должность специалиста по анализу данных включает несколько раундов. Часто один из таких раундов охватывает теоретические концепции, цель которых - определить, знает ли кандидат основы машинного обучения.
В этом посте я хотел бы обобщить весь свой опыт собеседований - как на собеседовании, так и на собеседовании - и составил список из более чем 160 теоретических вопросов по науке о..
Python непревзойденный
«Непобедимый» В августовских ревизиях индексов популярности языков программирования Tiobe и Pypl Python снова занял первое место.
После почти года пребывания на вершине индекса популярности языков программирования Tiobe, Python продолжает занимать высокие позиции среди разработчиков.
Python сохранил свою позицию самого популярного языка программирования в только что опубликованном рейтинге за август 2022 года, поднявшись на два процентных пункта по сравнению с прошлым месяцем и..
K означает, что кластеризация легко объясняется
K означает, что кластеризация - это метод неконтролируемой классификации, при котором каждая точка данных назначается классу. Мы начинаем процесс K означает кластеризацию, выбирая K. K - это количество классов, которые мы решим использовать. Есть несколько распространенных и простых способов выбрать K, и я объясню их позже в статье. Однако я считаю, что было бы очень полезно сначала понять концепцию алгоритма.
Как уже упоминалось, мы начинаем выбирать значение K. Центроиды K..
Классификация изображений с ранней остановкой — Краткое руководство
Создайте и обучите модель Keras, написав менее 50 строк кода.
Keras — это библиотека глубокого обучения, с которой мы, специалисты по данным, можем часто сталкиваться. Это самая простая в реализации и самая простая в освоении среда глубокого обучения, и если этого недостаточно, вишенкой на торте является то, что после эволюции Tensorflow 2.0 стало еще проще учиться и строить с помощью Keras, поскольку он поставляется в комплекте с Tensorflow.
В этой статье описывается проект,..
Полное руководство по Scikit-Learn
Часть 4: Алгоритм спектральной совместной кластеризации
С возвращением, любители машинного обучения, а также новички, которые только начинают с него 🚀. Сегодня мы говорим об алгоритме спектральной кокластеризации. Этот пример взят отсюда . Я очень благодарен за все уже существующие ресурсы, которые значительно облегчают изучение кодирования. Без лишних слов, давайте сразу погрузимся 💦
Алгоритм спектральной совместной кластеризации
В этом примере Shout показано, как..
6 Jars - уникальный взгляд на машинное обучение
Отказ от ответственности: содержание этого сообщения, включая некоторые изображения, взято из лекций Первый курс глубокого обучения от One-Fourth Labs . Я несу полную ответственность за любые ошибки, которые могли возникнуть при воспроизведении.
Все машинное обучение можно разложить по 6 банкам, а именно
Данные Задача Модель Потеря Обучение Оценка
1. Данные
Данные - это отдельные фрагменты информации (данные - это множественное число от данных , единый фрагмент..
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..