Публикации по теме 'data-science'
2022–11–16 | Ваше ежедневное исследование ИИ tl;dr 🧠
Добро пожаловать в ваш официальный ежедневный журнал исследований ИИ (часто с кодом и новостями) для профессионалов ИИ, где я делюсь самыми интересными статьями, которые нахожу ежедневно…
Прогнозирование количества доноров крови
Использование моделей классификации для прогнозов
Здоровая кровь является настоящим достоянием центров переливания крови. Одной из наиболее важных целей центров переливания крови является получение здоровой крови, которую собирают у добровольных доноров крови, которые могут сдавать здоровую кровь.
Есть несколько причин, по которым люди сдают кровь, и эти причины различаются у разных людей. Некоторые из этих причин включают в себя:
Пожертвование в случае чрезвычайных ситуаций..
Почему Dropout так эффективен в глубокой нейронной сети?
Наука о данных, глубокое обучение
Почему Dropout так эффективен в глубокой нейронной сети
Dropout - это простой способ уменьшить зависимости в глубокой нейронной сети.
В этой статье вы можете изучить Dropout, каковы плюсы и минусы регуляризации по сравнению с отсевом, как работает метод Dropout в глубоком обучении и каковы эффективные способы использования Dropout в глубоком обучении и как реализовать отсев в глубокая нейронная сеть?
Что означает отказ от глубокого обучения?..
Получите 10-процентный прирост производительности модели машинного обучения
Пошаговое руководство по улучшению производительности вашей модели за пределами настройки гиперпараметров
Предположим, вы определили модель машинного обучения и соответствующие гиперпараметры, которые обеспечивают наилучшую производительность, но все же точность модели ниже базовой/ожидаемой точности. Это конец пути для вас или вы можете улучшить его дальше?
В этом блоге я проведу вас через трехэтапный процесс улучшения производительности вашей модели, помимо настройки гиперпараметров...
Значение расстояния Хеллингера, часть 2 (машинное обучение)
Надежная проверка гипотез и оценка распределения по расстоянию Хеллингера (arXiv)
Автор: Ананда Тиртха Суреш
Аннотация: мы предлагаем простой надежный тест гипотезы, который имеет ту же сложность выборки, что и оптимальный тест Неймана-Пирсона, с точностью до констант, но устойчив к возмущениям распределения на расстоянии Хеллингера. Мы обсуждаем применимость такого надежного теста для оценки распределений по расстоянию Хеллингера. Мы эмпирически демонстрируем силу теста на..
Что происходит с исследованиями Метавселенной, часть 4
Дипфейк в метавселенной: обзор перспектив (arXiv)
Автор: Хаоцзе Ву , Пань Хуэй , Пэнъюань Чжоу .
Аннотация: Мы предполагаем, что технологии дипфейков, которые синтезируют реалистичные поддельные изображения и видео, будут играть важную роль в метавселенной будущего. Улучшая погружение пользователей и опыт работы с синтезированными виртуальными персонажами и сценами, дипфейк может привести к серьезным последствиям, если он используется для мошенничества, выдачи себя за другое лицо и..
Шаблоны глубокого проектирования
Обучение известных операторов — часть 4
Шаблоны глубокого проектирования
Навигация
Это конспект лекций FAU YouTube Lecture Deep Learning . Это полная стенограмма видео лекции и соответствующие слайды. Мы надеемся, вам понравится это так же, как видео. Конечно, эта стенограмма была создана с использованием методов глубокого обучения в основном автоматически, и вручную были внесены лишь незначительные изменения. "Попробуй сам!" Если вы заметили ошибки, сообщите нам об этом!..
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..