Публикации по теме 'deep-learning'
Тестовые примеры моделей: практический подход к оценке моделей машинного обучения
Поскольку модели машинного обучения становятся все более сложными и распространенными, крайне важно иметь практический и методический подход к оценке их эффективности. Но как лучше всего оценивать свои модели?
Традиционно использовались средние показатели точности, такие как средняя средняя точность (mAP), которые вычисляются по всему набору данных. Хотя эти оценки полезны на этапе проверки концепции, они часто оказываются недостаточными, когда модели развертываются в рабочей среде на..
Переоснащение против недообучения для балансировки точности модели
Одной из серьезных проблем, с которыми мы сталкиваемся во время обучения и тестирования модели, является переобучение и недообучение модели. Иногда вашей модели нужно изучить больше функций и показать лучшие результаты. В это время ваша модель распознает только функции обучения.
Иногда ваша модель не изучает полные функции и показывает неправильные результаты. В то время ваша модель не распознает все особенности вашего ввода.
В этой статье мы обсудим, что такое переобучение и..
Ключ к поиску того, что есть в Tinder? Векторы и машинное обучение
Введение в алгоритмы обучения предпочтениям и парного обучения с использованием методов линейной алгебры, статистики и машинного обучения
Недавно друг написал мне: «Эндрю, я получил тонну совпадений на Tinder, но все еще не смог найти ни одного. Думаю, это потому, что я недостаточно использую линейную алгебру. Можете ли вы помочь мне?"
И я ответил: «Ого, это странно конкретный вопрос. Это похоже на фальшивую ситуацию. Но да, конечно, я посмотрю, что я могу сделать ». В этой..
Профилирование данных в машинном обучении
Профилирование данных в машинном обучении
Профилирование данных является одним из основных этапов анализа данных, целью которого является сбор описательной статистики и информативных сводок данных. Исследователь данных использует результаты этого первого шага, чтобы обнаружить бизнес-знания, скрытые в данных, это помогает ему принять решение о стратегии моделирования, необходимой для анализа.
В этом посте я буду говорить, в частности, о профилировании данных в электронной коммерции в..
Как работают сети Ethernet, часть 1
1. Стратегия переадресации с учетом энергопотребления для сетей Metro Ethernet ( arXiv)
Автор: Рихаб Маалул , Ламия Чаари Фурати , Кузен Бернарда
Аннотация: Оптимизация энергопотребления стала важнейшей проблемой в сфере ИКТ. В этой статье рассматривается проблема энергопотребления в сети Metro Ethernet. Развертывание технологий Ethernet значительно расширяется из-за их простоты и низкой стоимости. Тем не менее, еще предстоит провести много исследований для решения..
Как разблокировать мощные приложения компьютерного зрения, добавив аромат НЛП
Модель глубокого обучения, сочетающая NLP с Computer Vision.
Что такое КЛИП?
Самоконтролируемое обучение компьютерному зрению показало большой потенциал в изучении различных представлений об изображениях.
Это один из подходов, при котором нейронная сеть может изучать представления, которые впоследствии можно использовать для различных задач, таких как классификация изображений и обнаружение объектов.
Другой подход к изучению представлений из набора данных называется CLIP ,..
Первый разрез самый поверхностный
Взвешивание данных перед функцией активации
В этом посте мы собираемся сделать первый шаг к тому, чтобы сделать нашу математику реальной, и посмотреть, что происходит, когда вы применяете рандомизированные веса и значения смещения к нашим данным перед отправкой их в функцию активации.
Вспомните, что мы немного упростили математику нашей нейронной сети, используя матричное умножение и поглотив наш расчет смещения, добавив измерение к нашим данным и весовому вектору.
Таким образом,..
Новые материалы
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
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..