Публикации по теме 'data'
Понимание различных типов атрофии, часть 2 (нейронаука)
Роль SIRT2 в регуляции активируемого дексаметазоном пути аутофагии при атрофии скелетных мышц (Pubmed)
Автор: Ziqiu Han 1 1 , Cen Chang 1 1 , Weiyi Zhu 1 1 , Yanlei Zhang 1 1 , Цзин Чжэн 1 1 , Сянпин Кан 1 1 , Гоцинь Цзинь 1 1 , Чжанбин Гун 1 1
Аннотация: Система протеолитической аутофагии участвует в основном регуляторном пути мышечной атрофии, вызванной дексаметазоном (Dex). Известно, что сиртуин 2 (SIRT2) модулирует передачу сигналов..
Преобразование табличных данных в Python — Питер Фирс
Все начинается со скромного стола. Концепция, которая никогда не была по-настоящему изобретена , поскольку она постоянно совершенствовалась на основе самых ранних форм ведения учета. Даже сегодня — вернее, особенно сегодня — методы хранения и преобразования данных в таблицах продолжают развиваться. От реляционных баз данных, таких как PostgreSQL , которые являются более функциональными, чем когда-либо, до чрезвычайно масштабируемых решений для уменьшения карты, таких как Dask или..
Шаг к индустриализации: параметризируйте свой код с помощью python и argparse
Создайте свой собственный аргумент командной строки с помощью argparse и параметризуйте запуск модели прогноза пророка.
Что такое Аргпарс?
argparse — это библиотека Python, которая позволяет нам писать собственные командные строки, чтобы обеспечить гибкость нашего кода. Я лично использую его во многих своих сценариях, чтобы сделать мои конвейеры данных более гибкими и, например, для формирования моделей, которые находятся в скользящем временном окне. Мы увидим некоторые варианты..
Проблемы с данными-ML-(часть I)
Как и было обещано, проблемы, связанные с данными , будут более подробно описаны, но прежде чем углубиться в море, я приглашаю вас прочитать мои предыдущие статьи , чтобы получить полное представление того, о чем я говорю, и продолжить свое путешествие по машинному обучению в этой серии,
Проблемы машинного обучения (часть I) После обсуждения различных подходов, используемых алгоритмами машинного обучения для обучения, в статье ниже medium.com..
Варианты использования машинного обучения в дистанционном зондировании
Введение
Дистанционное зондирование — это наука о получении информации об объектах или областях на расстоянии. Эта технология имеет множество применений в различных областях, в том числе в сельском хозяйстве, метеорологии, геологии и мониторинге окружающей среды. Методы машинного обучения (МО) можно применять к данным дистанционного зондирования для извлечения значимой информации и поддержки принятия решений. В этом блоге мы обсудим некоторые из наиболее распространенных случаев..
Понимание NLP Pipeline
Введение в фазы трубопровода НЛП
Обработка естественного языка (NLP) - одна из самых быстрорастущих областей в мире. Это подраздел искусственного интеллекта, занимающийся взаимодействием человека с компьютером. Основные задачи в НЛП включают распознавание речи , понимание естественного языка и создание естественного языка . НЛП внедряется в ряд продуктов и услуг, которыми мы пользуемся каждый день. В этой статье дается обзор распространенного сквозного конвейера НЛП.
Общий..
Как мы построили автоматизированную поддержку
Это история о том, как команда данных Kickstarter сотрудничала с командой поддержки сообщества и командой инженеров, чтобы создать инструмент автоматизации поддержки под названием Sassy, и как в ходе этого процесса наша совместная работа на рабочем месте обогатилась.
Истоки сочувствия
Успешные компании склонны глубоко сочувствовать своим пользователям. В Kickstarter мы стараемся привнести сочувствие в каждую часть организации, от разработки ориентированных на человека продуктов до..
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..