Публикации по теме 'data-science'
7 утилит Scikit-learn для создания искусственных (синтетических) данных
Объясняется с помощью графических визуализаций
Искусственные или синтетические данные — это тип данных, которые генерируются искусственно с помощью компьютерных алгоритмов. Противоположностью являются данные реального мира, полученные в результате реальных событий.
В машинном обучении и глубоком обучении мы часто используем синтетические данные для следующих целей.
Чтобы продемонстрировать, как алгоритмы машинного обучения работают за кулисами. Для проверки предположений в..
11 шагов, чтобы получить максимальную отдачу от любого хакатона
Шаги, которые помогут вам получить лучший, приятный и познавательный опыт
Один из лучших способов познакомиться с новыми людьми и применить свои знания - это посетить хакатон. И какое лучшее время для этого, чем сейчас? Сегодня из-за COVID все мероприятия стали виртуальными, что дает возможность людям со всего мира собираться вместе и сотрудничать для поиска решений неотложных проблем.
Перенос международных событий в онлайн может быть единственным хорошим выходом из жизни в условиях..
линейная регрессия с одной переменной | Градиентный спуск
В этом курсе мы изучим алгоритм градиентного спуска, который позволяет, начиная со случайной точки, за несколько итераций достигать локального минимума заданной функции.
Сначала мы объясним интуицию, лежащую в основе этого алгоритма, затем мы приведем простой пример его применения для оптимизации функции с одной переменной, и, наконец, мы будем использовать этот алгоритм для поиска оптимальных параметров линейной регрессии.
Давайте начнем с описания интуитивного понимания этого..
10 лучших статей о Python за последний месяц (по состоянию на декабрь 2017 г.)
10 лучших статей о Python за последний месяц (по состоянию на декабрь 2017 г.)
За последний месяц мы оценили почти 1100 статей о Python, чтобы выбрать 10 лучших статей, которые могут помочь вам в карьере (вероятность 0,9%).
В этом списке представлены следующие темы: Flake, синтезатор видео, генетический алгоритм, взлом CAPTCHA, лотки и лестницы, чат-бот, открытое резюме, обратное распространение, мемоизация. Топ-10 машинного обучения (v.Dec): Здесь Python Top 10 (v.Nov):..
Введение в индуктивное обучение в области искусственного интеллекта
Понимание процесса вывода концепций классификации из необработанных данных
Машинное обучение - одна из важнейших областей искусственного интеллекта. Это рассматривалось как жизнеспособный способ избежать проблемы узких мест в знаниях при разработке систем, основанных на знаниях.
Индуктивное обучение, также известное как концептуальное обучение, - это то, как системы ИИ пытаются использовать обобщенное правило для проведения наблюдений.
Для создания набора правил классификации..
Непрерывное обучение в Watson Studio
Создавайте модели, которые учатся со временем, с помощью Watson Machine Learning и Watson Studio.
Мы слышим от многих клиентов, что одна из самых сложных частей машинного обучения - закрыть цикл обратной связи . Это означает, что модели необходимо часто отслеживать и обновлять, чтобы они включали самые свежие данные. Watson Machine Learning и Watson Studio позволяют специалистам по обработке данных и аналитикам быстро создавать и создавать прототипы моделей, отслеживать развертывания..
Объяснимые бустерные машины
"Машинное обучение"
Объяснимые бустерные машины
Поддержание высокой точности при получении наводящих на размышления объяснений, которые создают знания и помогают понять и отладить данные.
Microsoft Research недавно разработала новую модель на основе бустинга, которая, по их утверждению, дает такие же точные прогнозы, как и современные методы, и в то же время предоставляет инновационный способ понять ее работу. Объяснимая повышающая машина, как она называется, уникальна тем, как она..
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..