Публикации по теме 'data-science'
Введение в менеджеры контекста в Python
Что такое диспетчеры контекста в Python?
На своей работе я недавно узнал о важности использования контекстного менеджера. Мне нужно было создать файл Excel и хранить несколько листов в среде AWS. Сначала я не использовал контекстный менеджер, но через некоторое время обнаружил, что файл сохраняется неправильно, несмотря на то, что делал это дважды в предыдущие месяцы.
Что такое менеджеры контекста?
Контекстные менеджеры позволяют точно назначать и освобождать ресурсы, когда они..
Алгоритмическая торговля
Алгоритмическая торговля
Алгоритмическая торговля (также называемая автоматической торговлей, торговлей по методу черного ящика или алгоритмической торговлей) использует компьютерную программу, которая следует определенному набору инструкций (алгоритму) для размещения сделки. Теоретически торговля может приносить прибыль со скоростью и частотой, которые невозможны для человека-трейдера.
Определенные наборы инструкций основаны на сроках, цене, количестве или любой математической..
Искусство в ИСКУССТВЕННОМ интеллекте
Сколько раз бывает так, что после разработки отличной модели машинного обучения мы слышим "Хорошая работа" , за которой сначала следуют препятствия для развертывания, а затем в конечном итоге оставляют ее как "демонстрационная модель" . Сколько раз мы получаем одобрение бизнеса для пилотной модели, но сталкиваемся с ограничениями, связанными с системами или данными, которые оставляют нас желать.
В связи с нынешним ростом машинного обучения и новых вычислительных технологий..
То, что вы слышали о науке о данных… правда? (Наука о данных — это не то, что вы думаете)
Наука о данных — это не создание сложных моделей или выдающихся визуализаций и не написание кода. Наука о данных больше связана с использованием данных для оказания влияния на компании. Какое воздействие?
Воздействие несколькими способами, такими как идеи, рекомендации продуктов или продукты данных. Для выполнения таких задач вам нужны сложные модели, визуализация данных или написание кода.
Но на самом деле ваша работа как ученого данных состоит в том, чтобы решить проблему,..
Google выпускает EfficientNetV2 - меньший, более быстрый и лучший EfficientNet
Более высокая производительность по сравнению с современными моделями при тренировке в 5–10 раз быстрее
Благодаря прогрессивному обучению наша EfficientNetV2 значительно превосходит предыдущие модели в наборах данных ImageNet и CIFAR / Cars / Flowers. Путем предварительного обучения на том же ImageNet21k наша EfficientNetV2 достигает 87,3% первой первой точности на ImageNet ILSVRC2012, превосходя последнюю версию ViT на 2,0% точности при обучении в 5-11 раз быстрее с использованием..
Обработка несбалансированных данных — «Машинное обучение, компьютерное зрение и НЛП» — «Проектирование кода»
Эта статья была опубликована в рамках Блогатона по науке о данных .
Введение:
В реальном мире данные, которые мы собираем, большую часть времени будут сильно несбалансированными. Итак, что такое несбалансированный набор данных? Обучающие выборки неравномерно распределены по целевым классам. Например, если мы возьмем случай с классификацией личных кредитов, получить данные «не утверждено» не составит труда, в отличие от «утвержденных» деталей. В результате модель более предвзято..
Рекомендация места в Хайдарабаде для открытия ресторана
1. Введение:
1.1 Предпосылки:
Открыть ресторан и успешно его запустить - задача не из простых. Перед открытием ресторана нужно подумать над множеством вещей, таких как целевые клиенты, частота посетителей, парковка, окружающая среда, фирменные блюда, конкуренты и т. Д. Для владельцев ресторанов было бы полезно найти места для открытия своих ресторанов, что отвечает на несколько вопросов, например:
а. Количество ресторанов в пределах 1000 метров от места b. Типы ресторанов в пределах..
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..