Публикации по теме 'data-science'
Прогнозирование цен на жилье с помощью регрессора случайного леса
Целью данного исследования является создание модели машинного обучения, которая прогнозирует цену домов с использованием регрессора случайного леса. Набор данных, используемый для этого исследования, представляет собой набор данных Melbourne Housing от Kaggle. Эта статья является продолжением предыдущего исследования, посвященного использованию Python в исследовательском анализе данных (EDA). Статью EDA можно найти по этой ссылке Исследовательский анализ цен на жилье в Мельбурне .
Шаг..
20 проектов машинного обучения по НЛП
20 проектов машинного обучения по НЛП, решенных и объясненных с помощью Python.
Обработка естественного языка (НЛП) - это широко обсуждаемая и изучаемая тема в наши дни. НЛП, одна из старейших областей исследований в области машинного обучения, используется в таких основных областях, как распознавание речи машинным переводом и обработка текстов. В этой статье я расскажу вам о 20 проектах машинного обучения по НЛП, которые были решены и объяснены с помощью языка программирования..
Математика для науки о данных
Вы ошеломлены, ища ресурсы, чтобы понять математику, лежащую в основе науки о данных и машинного обучения? Мы вас прикрыли.
Мотивация
Изучение теоретических основ для науки о данных или машинного обучения может быть непростым делом, поскольку оно включает в себя несколько областей математики и длинный список онлайн-ресурсов.
В этой статье моя цель - предложить ресурсы для создания математической базы, необходимой для начала практической / исследовательской работы в области науки о..
Начало работы с машинным обучением за 5 минут
Изучите машинное обучение, создав прогноз цен на жилье в 15 строках кода.
Эта запись в блоге изначально была опубликована на сайте HP Developers.
Машинное обучение здесь, чтобы остаться. Приведет ли это к сингулярности, все еще спекулятивно, однако не следует сомневаться в том, изменит ли это то, как инженеры-программисты решают проблемы. Его уже внедряют многие компании для создания более богатого UX, как с Apple ARKit (крутые примеры на madewitharkit.com ), и для ответов на сложные..
Почему Pet Project — лучший способ развить целостные навыки работы с данными
Создание собственного проекта и создание продукта данных с нуля может ускорить ваше обучение.
Около двух лет назад я вышел на плато с точки зрения развития своих навыков в области науки о данных. Я прошел начальную фазу восторга от быстрого прогресса, имел неплохие знания в области кодирования, аналитики и машинного обучения, но чувствовал, что мне не хватает более широкой перспективы.
На своей основной работе я решал интересные задачи, но их объем был ограничен, и мне не хватало..
Вставьте TensorBoard в окно Google Colab при использовании Google Диска с помощью 2 строк кода
Google Colab предоставляет встроенный блокнот Jupyter, который можно интегрировать с вашим Google Диском для доступа к файлам. Его туз-карта — это бесплатное использование графического процессора (GPU), который в противном случае был бы очень дорогой покупкой, если бы он использовался на вашем локальном компьютере. Он обеспечивает идеальную среду для всех ваших проектов машинного обучения / глубокого обучения.
Tensorboard — это «глаза и уши» обученной модели нейронной сети. Он..
Почему я 11 лет перешел на Python
В декабре 2016 года Я написал о своем опыте обучения программированию моего 10-летнего сына . Полтора года спустя его путешествие продолжается со множеством взлетов, падений и сюжетных поворотов.
«Папа. . . Мне скучно! »
Если вы родитель или учитель, вы наверняка слышали это много раз. У детей, как и у большинства людей, короткая продолжительность концентрации внимания , что приводит к кратковременным всплескам активного взаимодействия с новыми игрушками, играми или занятиями, за..
Новые материалы
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..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..