Публикации по теме 'data-science'
Случайность в Python: полное руководство
Компьютеры не могут генерировать действительно случайное число
Случайность — одна из существенных черт мира. В разработке программного обеспечения и науке о данных нам обычно приходится обрабатывать случайные вещи.
Тем не менее, компьютеры по своей природе не хороши в случайных вещах. Пока мы используем определенный человеком алгоритм для получения числа, машина будет следовать…
Прогнозная аналитика — Отток клиентов
Отток клиентов — ключевая проблема для многих отраслей. Увеличение темпов убыли — это потенциальные потери для компании или поставщика услуг.
В этом блоге мы проанализируем отток клиентов для компании sparkify с помощью Pyspark. Спасибо Udacity за предоставленный набор данных и побуждение нас вести блог.
Миллионы пользователей sparkify транслируют свои любимые песни через свой бесплатный уровень, который воспроизводит рекламу между песнями, или с помощью уровня премиум-подписки,..
Возможности ИИ для общественного блага
Получаете ли вы рекомендации в социальных сетях? Иногда это может быть то, что вы недавно смотрели, в сочетании с прошлыми просмотрами на телевидении и т. д. Все рекомендации основаны на данных, собранных в результате недавних посещений сайтов социальных сетей, недавно просмотренных фильмов и т. д. Затем данные используются для соответствующей обработки рекомендаций с помощью машинного обучения. При этом данные + машинное обучение = искусственный интеллект, и в этой статье я буду..
Как прогнозировать с SARIMA
Глубокое погружение в модель SARIMA и ее приложения
Фон
В одном из моих предыдущих постов мы рассмотрели, пожалуй, самую известную модель sk-прогнозирования, авторегрессионную интегрированную скользящую среднюю , более известную как ARIMA . Однако одним из недостатков этой модели является то, что в ней не учитывается какая-либо сезонность . Здесь на помощь приходит модель Сезонная авторегрессионная интегрированная скользящая средняя или SARIMA . В этом посте мы..
Кодирование нейронной сети - проверка градиента
В предыдущем посте Кодирование нейронной сети - прямое и обратное распространение мы реализовали как прямое, так и обратное распространение в numpy . Однако реализация обратного распространения ошибки с нуля обычно более склонна к ошибкам / ошибкам. Следовательно, перед запуском нейронной сети на обучающих данных необходимо проверить правильность нашей реализации обратного распространения ошибки. Прежде чем мы начнем, давайте еще раз посмотрим, что такое обратное распространение: мы..
Понимание автоматизированного мышления, часть 1 (ИИ)
Автоматические рассуждения в Temporal DL-Lite( arXiv )
Автор: Сабиха Тахрат , Герман Браун , Алессандро Артале , Марко Гарио , Ана Одзаки
Аннотация . В этом документе исследуется возможность автоматизированного анализа временных баз знаний (KB) DL-Lite (TDL-Lite). Мы тестируем использование готовых рассуждений LTL для проверки выполнимости баз знаний TDL-Lite. В частности, мы проверяем надежность и масштабируемость алгоритмов рассуждений при работе с TDL-Lite TBox в паре..
Интервью с экспертами по машинному обучению — Часть 10
Интервью с первоклассным машинным обучением — часть 10
Метрики оценки производительности моделей классификации
В машинном обучении метрики оценки производительности модели используются для измерения качества модели при решении данной проблемы. Эти показатели можно использовать как для оценки производительности модели в процессе обучения, так и для оценки производительности модели на тестовых данных.
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..