Публикации по теме 'data-science'
Я рад объявить о выпуске моего информационного бюллетеня: «Путь к данным с осознанием».
Практикуйтесь, чтобы изучать науку о данных. Финансовая грамотность — это преимущество. Каждую пятницу одно упражнение на Python и одна тема по финансам.
Спасибо всем, кто следит за мной на Medium. Это побуждает меня продолжать публиковать и улучшать качество моего контента.
Я рад объявить о своем новом проекте: запуске моего информационного бюллетеня «The Mindful Data Path».
Если вы подпишитесь на мою рассылку, вы будете наслаждаться каждой пятницей:
Одно практическое..
Развертывание модели машинного обучения с использованием Streamlit
Модели машинного обучения — это мощные инструменты для прогнозирования и извлечения информации из данных. Однако развертывание этих моделей может оказаться непростой задачей, особенно для тех, кто не имеет опыта разработки программного обеспечения. В этом сообщении блога мы рассмотрим, как развернуть модель машинного обучения с помощью Streamlit, мощной платформы с открытым исходным кодом для создания веб-приложений.
Мы сосредоточимся на развертывании классификатора случайного леса,..
Исследовательские работы о разработках в обучении с подкреплением, часть 2
Глубокое обучение с подкреплением с использованием низкоразмерного фильтра наблюдения для визуальной сложной видеоигры ( arXiv )
Автор: Виктор Аугусто Кич , Хуниор Коста де Хесус , Рикардо Бедин Грандо , Алиссон Энрике Коллинг , Габриэль Винисиус Хейслер , Родриго да Силва Герра
Аннотация : Глубокое обучение с подкреплением (DRL) принесло большие достижения с тех пор, как было предложено, включая возможность обработки необработанных входных данных зрения. Однако..
Почему Pandas itertuples () быстрее, чем iterrows (), и как сделать это еще быстрее
Вступление
В этой статье я объясню, почему itertuples() функция pandas работает быстрее, чем iterrows() . Что еще более важно, я поделюсь инструментами и методами, которые я использовал для обнаружения источника узкого места в iterrows() . К концу этой статьи вы будете оснащены основными инструментами для профилирования и оптимизации вашего кода Python.
Код для воспроизведения результатов, описанных в этой статье, доступен здесь . Я предполагаю, что у читателя есть приличный..
Понимание и внедрение метода оценки модели классификации (точность, точность, полнота…
Понимание деталей метода оценки модели классификации.
Возможно, вы достаточно долго работаете в отрасли в качестве Data Scientist, потеряли свои заметки или стремитесь им стать. Эта статья будет напоминанием для некоторых или для того, чтобы узнать, что на самом деле представляет собой метод оценки модели. После обучения моделей классификации машинного обучения следующей наиболее важной частью является оценка вашей модели, чтобы увидеть, как она работает, что можно оценить с помощью..
Работа с концепцией косинусного сходства, часть 3 (интеллектуальный анализ данных)
Мера подобия косинуса согласно выпуклой функции стоимости (arXiv)
Автор: Осман Гюнай , Джем Эмре Акбас , А. Энис Четин
Аннотация: В этой статье мы описываем новую меру сходства векторов, связанную с выпуклой функцией стоимости. Имея два вектора, мы определяем нормали к поверхности выпуклой функции на векторах. Угол между двумя нормалями к поверхности является мерой сходства. Выпуклая функция стоимости может быть функцией отрицательной энтропии, функцией полной вариации (TV) и..
Демистификация оценки максимального правдоподобия
Многие вводные материалы, учебные программы или курсы по машинному обучению, в которых есть математическая строгость, содержат основополагающие концепции вероятности и статистики. Понимание этих понятий может сбить с толку новичков в этой области, даже имеющих образование в области математики. Это потому, что область машинного обучения потребует своего взгляда на эти концепции для своих строительных блоков и практического использования.
Одной из основополагающих идей для..
Новые материалы
Как создать диаграмму градиентной кисти с помощью D3.js
Резюме:
Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..
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..