Публикации по теме 'decision-making'
Роль машинного обучения в автоматизации задач и принятия решений в различных отраслях
Машинное обучение — это тип искусственного интеллекта (ИИ), который позволяет компьютерам учиться и принимать решения без явного программирования. Он включает в себя ввод больших объемов данных в алгоритмы, которые затем могут распознавать закономерности и делать прогнозы или решения на основе этих данных. Машинное обучение может автоматизировать задачи и принятие решений в различных отраслях, что делает его быстрорастущей и влиятельной технологией.
Одним из основных потенциальных..
Принятие практических решений с помощью прогнозов машинного обучения
Понимание того, как можно использовать предсказания по-разному. В этом чтении будут рассмотрены примеры, которые помогут вам быстрее принимать бизнес-решения.
Прогнозы имеют вероятность. И все мы знаем, наблюдая за погодой, что 30-процентная вероятность дождя означает, что дождь может пойти, а может и не пойти. Итак, как вы можете использовать это в своих интересах? Чтобы продемонстрировать еще один способ использования модели, давайте вернемся к примеру из раздела Сильные и слабые..
Будущее программирования в мире генеративного искусственного интеллекта
Представьте себе, если хотите, время, когда написание кода было трудной задачей, доступной только людям с многолетним образованием и опытом. Время, когда, как художнику, создающему шедевр, каждая строка кода должна была быть тщательно проработана и проверена. Затем, как по волшебству, на сцене появился генеративный ИИ и перевернул мир программирования с ног на голову, как я описываю в моей книге на эту тему . Если вам сложно это представить, то держитесь, ведь именно это путешествие..
Точность: компромисс между смещением и дисперсией
В статье Какое машинное обучение (ML) выбрать? «[1] , который поможет вам выбрать правильное машинное обучение для ваших данных, мы указали, что с точки зрения бизнеса двумя наиболее важными измерениями являются точность и интерпретируемость .
Мы также заявили, что «Оценка точности модели машинного обучения имеет решающее значение при выборе и развертывании модели машинного обучения».
- Но какие факторы влияют на точность модели?
Точность зависит от подгонки модели. И подгонка..
Деревья решений (перевернутые деревья)
«Возможные решения данной проблемы появляются как листья дерева, каждый узел которого представляет точку обсуждения и решения». — Никлаус Вирт
Что такое дерево решений?
Дерево решений — это подход к машинному обучению, который использует перевернутую древовидную структуру для моделирования связи между независимыми переменными и зависимой переменной. — Фредерик Нванганга
Дерево решений является одним из фундаментальных компонентов теории принятия решений. И он широко..
Контролируемое обучение
В мире компьютеров программирование и отдача инструкций — обычное дело. Вы когда-нибудь задумывались над тем, могут ли компьютеры извлечь выгоду из этого богатства знаний? Мы все знаем, что память компьютера имеет ограниченный срок службы и рано или поздно заканчивается, поэтому само собой разумеется, что все мы храним все в виде файла или объекта в постоянном хранилище. Утверждение, что компьютеры учатся на ранее полученных данных, широко распространено в области машинного обучения..
Сценарии: какое машинное обучение (ML) выбрать?
Основываясь на вопросе Какую диаграмму выбрать «[1] , которая поможет вам выбрать правильную диаграмму для ваших данных, мы разработали идею диаграммы Какое машинное обучение (ML) выбрать?
Прежде чем мы представим блок-схему «Какое машинное обучение (ML) выбрать?» давайте взглянем на общую картину и увеличим шаги, которыми эта блок-схема может помочь вам в выборе машинного обучения для решения бизнес-задачи.
Решив проблему и найдя ее решение, вы можете выполнить следующие шаги:..
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..