Публикации по теме 'data-science'
Последняя информация о глубоком метрическом обучении, часть 1 (машинное обучение)
Глубокое метрическое обучение с помощью мягких ортогональных прокси (arXiv)
Автор: Фаршад Сабери-Мовахед , Мохаммад К. Эбрагимпур , Фарид Сабери-Мовахед , Монире Мошаваш , Дорса Рахматян , Махваш Мохаззеби , Махди Шариатзаде , Махди Эфтехари .
Аннотация: Модели глубокого метрического обучения (DML) основаны на сильных представлениях и мерах, основанных на сходстве, с определенными функциями потерь. Потери на основе прокси показали большую производительность по сравнению с..
Масштабирование рекомендаций по продукту с использованием анализа корзины — часть 1
Большой каталог продуктов с миллионами транзакций усложняет понимание того, какие комбинации продуктов лучше всего предложить покупателю. Чтобы понять покупательское поведение клиентов и предоставить кураторские продукты на основе истории корзины, рекомендации по продуктам играют важную роль. Модели, основанные на склонности, дают представление о совместной покупке продуктов в рамках транзакций Omni (электронная коммерция: электронная коммуникация и магазин). Склонность покупать..
Книги по машинному обучению для начинающих| Пошаговое руководство
Если вы, как и я, заядлый читатель книг и хотите получить пошаговое руководство по использованию книг для машинного обучения, эта статья для вас. Я также добавлю некоторые личные комментарии (к книгам, которые я читал) или обычные комментарии (к книгам, которые я не читал).
Если вас интересует дорожная карта Full DataScience, ознакомьтесь с моей статьей . Это пошаговое руководство, охватывающее все, от математики до MLOP.
Книги в этой статье предполагают, что вы знаете Python...
Выявление скрытых закономерностей в ваших данных: углубленное изучение анализа главных компонентов
В этом подробном руководстве мы рассмотрим, как использовать анализ основных компонентов (PCA) в науке о данных для уменьшения размерности больших наборов данных. Вы научитесь выявлять закономерности и взаимосвязи между переменными и получать ценную информацию из ваших данных с помощью этого мощного инструмента.
Введение
Анализ основных компонентов (PCA) — это широко используемый статистический метод в науке о данных, машинном обучении и различных других областях. Это мощный и..
Вариационный автоэнкодер (VAE) с дискретным распределением с использованием Gumbel Softmax
Теория и реализация PyTorch
Поскольку эта статья будет обширной, я предоставлю читателю индекс для лучшей навигации:
Введение Краткое введение в вариационные автоэнкодеры (VAE) Расхождение Кульбака – Лейблера (KL) потеря VAE Трюк с репараметризацией Выборка из категориального распределения и трюк Gumbel-Max Выполнение
Введение
В настоящее время генеративные модели стали очень популярными благодаря их способности генерировать новые выборки с присущей им изменчивостью путем..
На прошлой неделе в AI
Каждую неделю моя команда в Invector Labs публикует информационный бюллетень, чтобы отслеживать самые последние разработки в области исследований и технологий искусственного интеллекта. Вы можете найти выпуск за эту неделю ниже. Вы можете подписаться на него ниже. Пожалуйста, наши ребята очень много работали над этим:
От редактора
Может ли искусственный интеллект (ИИ) формулировать сложные стратегии? Процесс выработки стратегии долгое время считался магической способностью..
PYTHON ДЛЯ ВАС/ВСЕГО (ВСЕГО ЗА 5 ДНЕЙ):
Python всего за 5 дней:
Привет, мальчики и девочки! Меня зовут Сантош Кумар, и я учусь для учеников. В этой статье я придумываю новую важную тему, чтобы получить работу в области науки о данных.
Если вы хотите стать Data Scientist, язык программирования Python — это основа. Вот учебник, вы узнаете все на питоне.
Python — это системное программирование, графический интерфейс (веб-приложение, мобильное приложение). С помощью python мы можем создать игру, мы можем работать с..
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..