Публикации по теме 'deep-dives'
SSL может избежать контролируемого обучения
Для выбора контролируемых задач с моделями самоконтролируемого обучения (SSL), удовлетворяющими определенным свойствам
TL;DR
Обучение с самоконтролем (SSL) можно использовать, чтобы избежать обучения с учителем для некоторых задач, использующих модели с самоконтролем, такие как BERT, как есть, без тонкой настройки (контроля). Например, в этом посте описывается подход к распознаванию именованных объектов без тонкой настройки модели на предложениях. Вместо этого небольшое..
Что, почему и как использовать генеративные потоковые сети
Руководство по созданию вашего первого GFlowNet в TensorFlow 2
Генеративные потоковые сети (GFlowNets) — это метод машинного обучения для создания составных объектов с частотой, пропорциональной связанному с ними вознаграждению.
В этой статье мы раскроем значение всех этих слов, объясним, чем полезны GFlowNet, поговорим о том, как их обучать, а затем разберем реализацию TensorFlow 2.
Развивайте свою интуицию
GFlowNets были представлены на NeurIPS в 2021 году Эммануэлем Бенджио и..
Сложение моделей машинного обучения для многомерных временных рядов
Практические руководства , пробираясь через Dataland
Сложение моделей машинного обучения для многомерных временных рядов
Прогнозирование загрязнения воздуха PM 2.5 с использованием ансамбля стека
Анализ временных рядов слишком часто рассматривается как эзотерическая область науки о данных. Нет. Другие подобласти науки о данных имеют свои особенности (например, НЛП, рекомендательные системы, теория графов и т. Д.), То же самое и с временными рядами. Временные ряды уникальны, а..
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..