Публикации по теме 'data-science'
Понимание Трансформеров
Преобразователи — это тип архитектуры нейронной сети, который широко используется для задач обработки естественного языка, таких как языковой перевод, обобщение текста и ответы на вопросы. Они были представлены в статье Vaswani et al. «Внимание — это все, что вам нужно». в 2017 году и с тех пор получили широкое распространение в машинном обучении.
Одним из ключевых преимуществ преобразователей является их способность эффективно обрабатывать долгосрочные зависимости в последовательных..
Новые разработки в области выпуклой оптимизации, часть 2 (машинное обучение)
Анализ скорости сходимости рандомизированного и циклического спуска в координатах для выпуклой оптимизации посредством полуопределенного программирования (arXiv)
Автор: Хади Аббасзадехпеивасти , Этьен де Клерк , Муслим Замани
Аннотация: в этой статье мы изучаем рандомизированный и циклический спуск по координатам для выпуклых задач оптимизации без ограничений. Мы улучшаем известные скорости сходимости в некоторых случаях, используя численный метод оценки производительности..
Миграция локального конвейера данных в облако Azure: подробное описание
Оценка данных и планирование . Перед началом процесса миграции крайне важно провести всестороннюю оценку существующего локального конвейера данных. Оцените источники данных, рабочие процессы, зависимости и объемы данных. Понимание требований к приему, обработке и хранению данных. Эта оценка поможет вам определить потенциальные проблемы, риски и области, требующие особого внимания во время миграции. Имея четкое представление о текущем конвейере, создайте подробный план миграции, в..
Введение в схемы SQL и нормализацию
Набор навыков, который сделает вас веселее на вечеринках! Шаг за шагом
В последних сериях…
Всем привет! Добро пожаловать в четвертую часть серии руководств по SQL и SQL Server Studio. Есть простая цель: сделать вас знакомыми и удобными с инструментом и языком. — Почему это вообще имеет значение? Я вижу, ты спрашиваешь. Что ж, оказывается, любопытство и сторонние проекты часто являются ключевыми факторами при выборе новых проектов или даже при приеме на новую работу. Тот факт,..
Пример использования классификационного анализа: набор данных Iris
Эта статья является частью серии «Наука о данных с помощью Python». Другие истории из этой серии вы можете найти ниже:
Объясняемый ИИ против Объясняющего ИИ - Часть 2: Статистические интуитивные и символические системы рассуждений
Статистические интуитивные и символические системы рассуждений
В начале 1900-х лошадь Умница Ганс продемонстрировала замечательную способность отвечать на арифметические вопросы. Ганс стучал копытом по цифрам или буквам, чтобы отвечать на вопросы. Такое поведение привлекло внимание всего мира к нему как к первому разумному животному. Однако после некоторых экспериментов выяснилось, что Ганс был предвзятым, читал подсознательные сигналы от своих людей-наблюдателей и нажимал..
Каждый аналитик данных должен знать эти пакеты Python
Добро пожаловать! Python — отличный язык программирования для науки о данных. Если вы новичок в Python, перейдите по ссылке ниже, чтобы узнать о нем больше:
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..