Публикации по теме 'data-science'
Как создать бота для Twitter с помощью Python и Zapier
Используйте Python и Zapier, чтобы создать бота для Твиттера, который ежечасно твитнет анекдот
В этой статье мы будем создавать этого твиттер-бота .
Zapier - это инструмент, который позволяет автоматизировать задачи и создавать рабочие процессы путем интеграции различных приложений. Вот несколько вещей, которые вы можете делать с помощью Zapier:
Сделайте трекер цен, который уведомляет вас, когда цена ниже X долларов. Получайте оповещение в Slack / Discord, когда вы получаете..
Секретный соус прогнозного моделирования: понимание веса доказательств
Weight of Evidence (WOE) — это статистический метод, используемый в прогностическом моделировании для измерения связи между независимыми переменными и целевой переменной. Это мера силы связи между каждой независимой переменной и целью. Он используется для прогнозирования вероятности определенного результата на основе наличия или отсутствия определенных независимых переменных. Значения WOE используются для замены исходных значений независимых переменных в прогностической модели. Это..
Преобразователи State of Vision в 2023 году, часть 3 (машинное обучение)
Обучение экспрессивным подсказкам с остатками для Vision Transformers (arXiv)
Автор: Раджшекхар Дас , Йонатан Дуклер , Авинаш Равичандран , Ашвин Сваминатан .
Аннотация: Быстрое обучение — это эффективный подход к адаптации преобразователей путем вставки обучаемого набора параметров во входные и промежуточные представления предварительно обученной модели. В этой работе мы представляем экспрессивные подсказки с остатками (EXPRES), которые изменяют парадигму быстрого обучения..
Анализ данных Airbnb в Сиэтле и Бостоне
Проект Data Science для анализа набора данных Airbnb по Сиэтлу и Бостону
В рамках этого проекта я попытался поиграть с набором данных airbnb по Сиэтлу и Бостону. Анализируя наборы данных airbnb в Сиэтле и Бостоне, мы можем понять, как хозяева устанавливают арендную плату за разные объекты, а также понять основные различия между ними.
Проект выполняется с использованием 6 шагов — понимание бизнеса, понимание данных, подготовка данных, моделирование, оценка и развертывание.
Кроме..
Лучшие варианты использования функций Липшица, часть 4 (машинное обучение)
Изучение липшицевых функций с помощью обученных GD поверхностных сверхпараметризованных нейронных сетей ReLU (arXiv)
Автор : Илья Кузборский , Чаба Шепешвари
Аннотация: Мы исследуем способность сверхпараметризованных мелких нейронных сетей ReLU изучать липшицевы, недифференцируемые, ограниченные функции с аддитивным шумом при обучении с помощью градиентного спуска (GD). Чтобы избежать проблемы, заключающейся в том, что при наличии шума нейронные сети, обученные почти до нулевой..
День 53: 60 дней серии «Наука о данных и машинное обучение»
Yellowbrick объединяет scikit-learn с matplotlib и предоставляет scikit-learn API для создания визуализаций рабочего процесса машинного обучения. Хороший ориентир, чтобы понять необъятность Йеллоубрика и как его использовать —
Моделирование Power BI — Наследование беспорядочной модели.
Что делать в этих ситуациях
Вы когда-нибудь получали в наследство неряшливую модель? Это как попасть в паутину и быть съеденным целиком.
Что я подразумеваю под съеденным целиком?
Это означает, что если вы не зададите правильных вопросов, вы можете потратить весь день на разработку мер, запросов, так ничего и не добившись!
Я был там.
Картинки стоят тысячи слов.
Взгляните на этот тип модели. Каждый «квадрат» здесь — это стол.
Я помню, как кто-то в шутку назвал этот стиль..
Новые материалы
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
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..