Публикации по теме 'data-science'
Как используется направленный ациклический граф, часть 3 (машинное обучение)
DPU-v2: энергоэффективное выполнение нерегулярных ориентированных ациклических графов (arXiv)
Автор : DPU-v2: Энергоэффективное выполнение нерегулярных ориентированных ациклических графов
Аннотация . Растущее число приложений, таких как вероятностное машинное обучение, разреженная линейная алгебра, роботизированная навигация и т. д., демонстрируют нерегулярные вычисления потоков данных, которые можно моделировать с помощью ориентированных ациклических графов (DAG). Неравномерность..
Технический обзор машинного обучения с использованием Python в 2020 году
Технический обзор машинного обучения с использованием Python в 2020 году
Машинное обучение — это приложение и часть искусственного интеллекта. Он позволяет компьютерам обучаться и повышать производительность без явного программирования. Это помогает разрабатывать компьютерные программы и помогает машинам учиться больше при воздействии новых данных.
Исследования показывают, что в 2018 и 2019 годах наблюдался рост талантов в области машинного обучения . В 2020 году этот..
23 вопроса на собеседовании по оптимизации
Оптимизация науки о данных максимизирует целевые переменные (KPI) за счет поиска в пространстве состояний предикторов/функций, влияющих на прогнозирование и модели прогнозирования. Приведенные ниже вопросы помогут интервьюерам и интервьюируемым подготовиться к интервью «ученый по данным для оптимизации», охватывающему различные сценарии, проблемы и решения.
Вопросы по сценарию
Сценарий 1: у нас есть…
Экспертное мнение о машинном обучении от Хеманта Мисры (вице-президент — руководитель отдела прикладных исследований в…
https://www.youtube.com/watch?v=IpCF5e5D3iM&t=37s
Дорожная карта машинного обучения по математике — Сколько математики требуется?
Линейная алгебра, статистика, вероятность, целевые функции, регуляризация, теория информации, оптимизация, распределение
Содержание
БЕСПЛАТНЫЕ ресурсы –
Глава 1. Линейная алгебра
Глава 2. Статистика
Глава 3. Вероятность
Глава 4. Целевые функции
Глава 5. Регуляризация
Глава 6. Теория информации
Глава 7. Оптимизация
Глава 8. Распространение
Этот этап отличается от книг, доступных в Интернете. Я включил все темы, необходимые для понимания всей..
Инновационные исследовательские работы по компьютерной графике, часть 2
На пути к дифференцированному рендерингу изображений сонара бокового обзора ( arXiv )
Автор: Ипин Се , Нильс Боре , Джон Фолкессон
Аннотация: Недавние достижения в дифференцируемом рендеринге, которые позволяют вычислять градиенты значений 2D-пикселей по отношению к моделям 3D-объектов, могут применяться для оценки параметров модели с помощью оптимизации на основе градиента только с наблюдением 2D. Глубокие нейронные сети легко включить в такой конвейер оптимизации, что..
Варианты использования стохастической оптимизации, часть 1 (машинное обучение)
Push-LSVRG-UP: распределенная стохастическая оптимизация в несбалансированных направленных сетях с несогласованными инициируемыми вероятностями (arXiv)
Автор: Цзинхуэй Ху , Го Чэнь , Хуацин Ли , Цысян Шэнь , Вэйдун Чжан .
Аннотация: Распределенная стохастическая оптимизация, возникающая в результате пересечения и интеграции традиционной стохастической оптимизации, распределенных вычислений и хранения данных, а также науки о сетях, имеет преимущества высокой эффективности и низкой..
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..