Публикации по теме 'deep-learning'
Пошаговое руководство по проекту машинного обучения «Уравнение-код» на Python - Часть 1, разделение на линейные элементы…
Подробное объяснение математического уравнения для создания практических математических основ для вашего пути к машинному обучению или глубокому обучению.
Большой разрыв между инженером и инженером по машинному обучению - это способность преобразовывать математические уравнения в реальный код. Иногда нам действительно нужно реализовать некоторые базовые концепции с нуля, чтобы лучше понять магию за кулисами, а не просто импортировать библиотеку без дальнейшего понимания.
Поэтому я..
Матрица путаницы без путаницы
Когда мы работаем над проектами машинного обучения, особенно с проблемой классификации, мы всегда имеем дело с матрицей путаницы. Так что же такое матрица путаницы? Матрица путаницы — это показатель, используемый для оценки производительности модели, состоящей из матрицы N x N, где N — количество целевых классов. Эта матрица дает общее представление о производительности и типе ошибок модели.
Для задачи бинарной классификации матрица путаницы будет выглядеть так:
Как мы знаем,..
Будущее ИИ
Прежде чем мы узнаем его будущее, знаем ли мы, что такое ИИ?
Что такое ИИ?
AI — это сокращение от искусственного интеллекта. Итак, согласно Википедии, искусственный интеллект — это интеллект, демонстрируемый машинами, в отличие от естественного интеллекта, демонстрируемого животными, включая людей.
Говоря простым языком, искусственный интеллект (ИИ) — это способность компьютерной программы или машины думать и учиться. Это также область исследований, которая пытается сделать..
Анатомия службы вывода моделей
Контекст:
В этом документе обсуждаются архитектура высокого уровня и компоненты, необходимые для создания службы предсказания модели. Здесь мы не будем подробно обсуждать и сравнивать отдельные фреймворки. Подчеркнутое намерение состоит в том, чтобы предоставить целостное представление о конвейерах обслуживания моделей, необходимых API и связанных с этим сложностях. Этот документ поможет читателю понять ключевые компоненты, участвующие в построении модели обслуживания инфраструктуры,..
Глубокое обучение для обнаружения и сегментации судов
Непрерывный конвейер для глубокого изучения спутниковых изображений
Застряли за платным доступом? Нажмите здесь , чтобы прочитать всю историю с помощью моего Friend Link!
Обнаружение судов по изображениям дистанционного зондирования является важным приложением для обеспечения безопасности на море, которое включает, среди прочего, наблюдение за движением, защиту от незаконного рыболовства, контроль сбросов нефти и мониторинг загрязнения моря. Обычно это делается с помощью..
Talk @ Databricks Data and AI Summit 2022 — «Сверхпроизводительность машинного обучения с помощью трансформаторов…
Согласно последнему отчету о состоянии ИИ, «трансформеры стали универсальной архитектурой для машинного обучения. Не только для обработки естественного языка, но и для речи, компьютерного зрения или даже для предсказания структуры белка». Действительно, архитектура Transformer доказала свою эффективность в широком спектре задач машинного обучения. Но как мы можем идти в ногу с бешеным темпом инноваций? Действительно ли нам нужны экспертные навыки, чтобы использовать эти современные..
Как можно использовать комбинацию Transformer Neural Network, часть 5 (машинное обучение)
Риторическая ролевая маркировка юридических документов с использованием преобразователей и графовых нейронных сетей (arXiv)
Автор: Аншика Гупта , Шаз Мебельвала , Виджай Кумари , Яшвардхан Шарма .
Аннотация: Юридический документ, как правило, длинный и плотный, и для его разбора требуется человеческое усилие. Он также содержит значительное количество жаргона, из-за чего получение информации с использованием существующих моделей является плохим подходом. В этом документе..
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..