Публикации по теме 'data'
Youtube не любит предсказания в режиме реального времени — работу с комбинацией данных; практическое руководство
Привет всем , это практическое руководство по увлекательной теме; сегодня мы обсудим, как вы можете работать с комбинацией смешанных данных. Ну, мы все прошли через это, когда просматриваем набор данных, и есть функции с разными типами данных, и мы задаемся вопросом, как мы можем объединить оба типа и использовать их для обучения одной модели машинного обучения. Что ж, сегодня у вас есть простой ответ на этот вопрос. Кроме того, чтобы сделать вещи интересными, мы будем обучать модель..
Rustic Data: визуализация данных с помощью плоттеров — Часть 1
Подробное руководство о том, как превратить необработанные числа в потрясающие графики в Rust.
TL;DR
Plotters — это популярная библиотека Rust для создания визуализации данных . Он предоставляет широкий спектр инструментов и функций, которые помогут вам создавать высококачественные графики , диаграммы и другие визуализации . Эта статья является частью 1 из серии статей, посвященных эстетическим аспектам визуализации, подготовленной с помощью плоттеров . От изменения..
Последние разработки по завершению сети знаний, часть 1 (интеллектуальный анализ данных)
Изучение и использование структуры графа высокого порядка для завершения графа разреженных знаний (arXiv)
Автор: Тао Хэ , Мин Лю , Исинь Цао , Зэкун Ван , Цзыхао Чжэн , Чжэн Чу , Бин Цинь .
Аннотация: Сценарии с разреженным графом знаний (KG) создают проблему для предыдущих методов завершения графа знаний (KGC), то есть производительность завершения быстро снижается с увеличением разреженности графа. Эта проблема также усугубляется из-за широкого распространения разреженных КГ в..
Как работает семантический анализ, часть 1 (информатика)
Семантический анализ с использованием лексикона для ориентированного на задачу диалога (arXiv)
Автор: Сяоцзюнь Мэн , Вэньлинь Дай , Яшэн Ван , Баоцзюнь Ван , Чжиюн Ву , Синь Цзян , Цюнь Лю
Аннотация: В последнее время семантический анализ с использованием иерархических представлений для диалоговых систем привлек значительное внимание. Для разбора пользовательских высказываний был предложен Task-Oriented Parse (TOP), древовидное представление с намерениями и слотами в..
Освоение сетевого взаимодействия с модулем Socket в Python
Введение:
В мире сетей общение является ключом к созданию мощных приложений. Модуль Python socket обеспечивает простой способ установления сетевых подключений и обмена данными между устройствами. Создаете ли вы клиент-серверное приложение, чат-систему или распределенную вычислительную сеть, модуль socket станет мощным инструментом в вашем арсенале. В этой статье мы рассмотрим модуль socket и его распространенные варианты использования, а также приведем примеры кода и..
Научные статьи, основанные на нарушениях речи
Автоматизированная классификация нарушений звуков китайской речи на основе глубокого обучения ( arXiv )
Автор: Яо-Мин Куо , Шанк-Джанг Руан , Ю-Чин Чен , Я-Вэнь Ту
Аннотация: в этой статье описывается система анализа акустических данных, которая помогает в диагностике и классификации нарушений речи у детей с помощью компьютера. Анализ был сосредоточен на выявлении и классификации четырех различных типов китайских искажений. В ходе исследования был собран и сгенерирован..
От нуля до героя панд: полное руководство по пандам для науки о данных
Если вы хотите изучить анализ данных с помощью Python, вы, вероятно, слышали о Pandas. Pandas — мощная и популярная библиотека, предоставляющая простые в использовании структуры данных и инструменты анализа данных для Python. В этой статье мы проведем вас с нуля до героя Pandas, охватив все основы Pandas для науки о данных.
Начало работы с пандами
Прежде чем мы погрузимся в Pandas, нам нужно убедиться, что он у нас установлен. Самый простой способ сделать это — использовать pip,..
Новые материалы
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..
ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..