Публикации по теме 'dataset'
Введение в деревья решений для машинного обучения
Хотите стать специалистом по данным? Оформить заказ За пределами машины !
Современные алгоритмы машинного обучения революционизируют нашу повседневную жизнь. Например, большие языковые модели, такие как BERT, лежат в основе поиска Google, а GPT-3 используется во многих продвинутых языковых приложениях .
Сегодня создавать сложные алгоритмы машинного обучения проще, чем когда-либо. Однако, какими бы сложными ни были алгоритмы машинного обучения, они подпадают под одну из следующих..
#Ваш #ИскусственныйИнтеллект #ЦифровоеПутешествие
Важность категориальных данных в процессе принятия решений и как с ними работать в машинном обучении
Деловые люди , независимо от того, являются ли они специалистами по данным или нет, вполне вероятно, что они ежедневно сталкиваются с категориальными данными в рамках своих стратегических и/или оперативных задач.
Мы используем категориальные данные в нескольких областях, от маркетинга до операций и рисков :
в маркетинге мы имеем дело с категориальными данными при проведении..
Хэш-таблицы и их приложения
Почему некоторые программисты до сих пор предпочитают хранить свои данные в форме хеш-таблиц, а не в более общей системе на основе дерева или справки? Хотя хеш-таблицы не так популярны, как раньше, при работе с парами ключ-значение хэш-таблица по-прежнему оказывается самой простой и эффективной формой хранения данных.
Как я уже упоминал, хеш-таблицы работают как пара ключ-значение. Чтобы лучше понять его функциональность, если бы нам дали два листа бумаги с пронумерованными..
Идеи проекта с набором данных и постановкой задачи
1. Масса или скопление аберрантных клеток головного мозга называется опухолью головного мозга. Ваш мозг находится внутри очень жесткого черепа. Любой рост в такой ограниченной области может привести к проблемам. Также возможны злокачественные (раковые) или доброкачественные опухоли головного мозга (доброкачественные). Давление внутри вашего черепа может повышаться по мере увеличения доброкачественных или раковых опухолей. Это может привести к летальному исходу и повреждению головного..
Преодоление проблем с данными в нейронном машинном переводе
С развитием глубоких нейронных сетей точность машинного перевода значительно повысилась, но проблема межъязыкового общения человека не решена. Например, в задачах высокоточного синхронного перевода машинный перевод все еще нуждается в доработке. Для перевода романов машинный перевод не сравним с человеческим переводом.
Проблемы машинного перевода
● Подборка переводов
Человеческий язык очень широк и глубок, и явление полисемии очень распространено. Возьмем, к примеру, китайский..
Отравление свода знаний
Одной из потенциальных угроз безопасности в области искусственного интеллекта является концепция, известная как «отравление корпуса». Этот риск связан с тем, что злоумышленник преднамеренно вводит вводящие в заблуждение или вредоносные данные в набор обучающих данных модели ИИ. Но что это значит и как это влияет на системы ИИ и их пользователей?
Обучение ИИ и наборы данных
Прежде чем мы рассмотрим концепцию отравления корпуса, важно понять, как обучаются системы ИИ. Модели ИИ..
Мы хотим немедленно подготовить изображение лица для набора данных.
Как вырезать только лицо из фототеки iPhone
Сложно подготовить набор данных
Например, в машинном обучении бывают случаи, когда в качестве набора данных требуются тысячи фотографий лица и фотографий человеческого тела. Однако вырезать фотографию лица вручную сложно.
Было бы удобно, если бы вы могли использовать фотографии вашего iPhone
На iPhone большинства людей хранятся от сотен до тысяч фотографий людей. Если можно извлечь только лица с этих фотографий, это будет полезно для..
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..