WedX - журнал о программировании и компьютерных науках

Публикации по теме 'deep-learning'


Цифровой оракул: увлекательное погружение в будущее с помощью технологического волшебства
Изучение искусства прогнозирования с игривым подходом к данным и алгоритмам С незапамятных времен люди увлекались взглядом в будущее. Мы перепробовали все: древнегреческие оракулы, Нострадамуса и даже старую добрую горячую линию экстрасенсов. Но теперь, благодаря технологическому колдовству, мы можем обратиться к всевидящему, всезнающему цифровому оракулу! Возможно, вам интересно, что же такое цифровой оракул. Представьте себе технически подкованного гадалку,..

Как инициализировать веса в нейронной сети?
Интуитивно понятное и простое руководство по трем наиболее популярным методам инициализации веса поможет вам выбрать правильный для вашего проекта. Введение Инициализация веса — это параметр проектирования модели, неправильный выбор которого может замедлить или затормозить сходимость. Вы можете думать об этом как о отправной точке ландшафта функции потерь. Интуитивное предположение было бы для начала 0, но оно также приводит к 0 градиентам, следовательно, никакого обучения...

Оценка неопределенности в моделях машинного обучения — Часть 2
Вы можете ознакомиться с первой частью этой серии здесь . Эта статья была впервые опубликована в Блоге Comet . В части 1 этой серии мы обсудили источники неопределенности в моделях машинного обучения, методы количественной оценки неопределенности параметров и прогнозы простой модели линейной регрессии. Методы, описанные в последнем посте, такие как начальная загрузка, имеют свои ограничения в случаях, когда подгонка модели занимает значительное время из-за размера набора данных или..

Тестирование моделей машинного обучения в стиле Uber
Архитектура используется для регулярного тестирования сотен моделей прогнозирования в Uber. Недавно я запустил образовательный информационный бюллетень, посвященный ИИ, у которого уже более 125 000 подписчиков. TheSequence — это информационный бюллетень, ориентированный на машинное обучение, без BS (то есть без шумихи, без новостей и т. д.), чтение которого занимает 5 минут. Цель состоит в том, чтобы держать вас в курсе проектов машинного обучения, научных работ и концепций...

Эволюция базовых моделей ИИ, часть 5
Идентификация общих декодируемых понятий в человеческом мозгу с использованием базовых моделей языка изображений (arXiv) Автор: Кори Эфирд , Алекс Мерфи , Джоэл Зилберберг , Алона Фише . Аннотация: Мы представляем метод, который использует преимущества высококачественных предварительно обученных мультимодальных представлений для исследования мелкозернистых семантических сетей в человеческом мозгу. Предыдущие исследования документально подтвердили функциональную локализацию в..

Что вы можете делать с ChatGPT? Как вы можете зарабатывать деньги с ChatGPT?
Что вы можете делать с ChatGPT? Как вы можете зарабатывать деньги с ChatGPT? (а). Во-первых, я хотел бы обсудить, что вы можете сделать с помощью chatGPT . # Answer Questions. Как большая языковая модель, она была обучена на различных текстовых данных и может отвечать на самые разные вопросы. Некоторые примеры типов вопросов, на которые это может ответить, включают: Как я могу стать миллионером за пять лет (узнаю, как вы планируете свою жизнь, доход, инвестиции и развитие..

Сбалансированный обзор функций Kangas
Что хорошего и что могло бы быть лучше Kangas — это инструмент для исследования данных, и его официальная страница Github описывает его как «инструмент для изучения, анализа и визуализации крупномасштабных мультимедийных данных». Это утверждение может служить своей цели, только если вы обратите внимание. Легко неверно истолковать цель платформы в ее нынешнем виде, но есть практические способы показать, на что способен Kangas и что он может улучшить. Теперь мы можем перейти к..

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..


Для любых предложений по сайту: [email protected]