Публикации по теме 'data-scientist'
Data Scientist Реальность
Это называется эпохой больших данных . Технологии хранения и обработки данных стремительно развиваются, и тот, кто их анализирует, например, специалист по данным, привлекает внимание многих людей.
Однако мало кто полностью осознает реальность специалистов по обработке и анализу данных . Соискатели часто смутно ожидают высокого спроса на специалистов по данным, а менеджеры по персоналу часто переоценивают достижения, которых они могут добиться.
В этой статье я обобщил реалии..
Деревья решений
Понимание деревьев решений: прирост информации и примесь Джини
Деревья решений: обзор
Деревья решений — это фундаментальная концепция в машинном обучении и науке о данных. Они предлагают прозрачный и интуитивно понятный способ принятия решений, разбивая сложные проблемы на ряд более простых решений.
По своей сути дерево решений — это древовидная модель, которая принимает решения на основе набора условий. Каждый внутренний узел в дереве представляет решение, основанное на определенном..
Будущее ИИ
Прежде чем мы узнаем его будущее, знаем ли мы, что такое ИИ?
Что такое ИИ?
AI — это сокращение от искусственного интеллекта. Итак, согласно Википедии, искусственный интеллект — это интеллект, демонстрируемый машинами, в отличие от естественного интеллекта, демонстрируемого животными, включая людей.
Говоря простым языком, искусственный интеллект (ИИ) — это способность компьютерной программы или машины думать и учиться. Это также область исследований, которая пытается сделать..
Ложь № 1 Какую ложь можно сказать о науке о данных?
При поиске в Google по ключевому слову «наука о данных» вы можете найти повторяющийся шаблон ключевых слов, таких как «самая сексуальная работа 20-го века». Я нахожу это интересным, особенно когда роль специалиста по данным менее известна, чем инженеры данных. Более того, большинство опытных специалистов, прошедших масштабное машинное обучение, не работают на крупных предприятиях. Они работают в научных кругах, например, профессором колледжа, что оставляет рынок полным асимметричной..
Получите 10-процентный прирост производительности модели машинного обучения
Пошаговое руководство по улучшению производительности вашей модели за пределами настройки гиперпараметров
Предположим, вы определили модель машинного обучения и соответствующие гиперпараметры, которые обеспечивают наилучшую производительность, но все же точность модели ниже базовой/ожидаемой точности. Это конец пути для вас или вы можете улучшить его дальше?
В этом блоге я проведу вас через трехэтапный процесс улучшения производительности вашей модели, помимо настройки гиперпараметров...
Специалист по данным против аналитика данных
Раскройте весь потенциал своих данных с помощью «Data Scientist , эксперта в области расширенного анализа и прогнозирования. Поднимите анализ данных на новый уровень с аналитиком данных, профессионалом в интерпретации данных и принятии решений».
Введение
Наука о данных сегодня является одной из самых популярных и востребованных областей с широким спектром карьерных возможностей для тех, кто обладает нужными навыками и опытом. Одной из наиболее распространенных ролей в науке о..
От среднего до облигации
Здесь, чтобы помочь моим товарищам, начинающим алкоголикам данных, и учиться у них, расти вместе. Все мои истории и блоги будут следовать шаблону, который поможет создать путь обучения. Ссылки на все мои истории находятся ниже, и я обновлю эту историю ссылкой, как только выпущу новую.
Статистика в науке о данных (часть 1) Я всегда был начинающим специалистом по данным, а сейчас являюсь частью сообщества специалистов по науке о данных и так далее…..
Новые материалы
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..
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..