Публикации по теме 'deep-learning'
Обнаружение и распознавание объектов на основе ИИ
Постоянно развивающийся ИИ
Искусственный интеллект — это то, что постоянно развивается в современном высокотехнологичном поколении. Постоянно разрабатываются новые технологии, которые включают искусственный интеллект, чтобы значительно повысить качество жизни, помочь в обеспечении безопасности и безопасности, расширить возможности развлечений и многое другое.
Поскольку искусственный интеллект создается с явным намерением быть автоматизированным и автоматизировать все, к чему он..
«Открытие самого важного: руководство по вопросам статистики, которые необходимо знать для интервью по науке о данных»
TL;DR:
TL;DR: Инференциальная статистика используется для прогнозов и выводов о населении на основе выборки данных. Среднее и медиана равны при нормальном распределении. Выбросы — это точки, которые аномально удалены от большинства данных. Параметры генеральной совокупности и выборочная статистика имеют разное значение. Описательная и логическая статистика — это два разных метода. Общими характеристиками описательной статистики являются мера центральной тенденции, мера..
Мы использовали слово «апешит» в документе для очень важной конференции 🙈
Международная конференция по машинному обучению (уже 36 лет - трудно поверить, что ICML существует так долго!) В этом году состоится 5–9 июня в Лонг-Бич, штат Калифорния.
Как вы, возможно, догадались из нашего предыдущего поста о ICLR , принятие статьи на крупную конференцию по машинному обучению - большое дело , фактически, это основной способ, которым ученые делятся своими исследованиями с другими в их поле. 😇
В этом году наша CSO Женевьева Паттерсон приняла документ! Она..
A.I. Среди нас
A.I. Среди нас
Понимание глубины глубокого обучения.
Как неотъемлемая часть многих отраслей, искусственный интеллект быстро развивается и становится частью нашей повседневной жизни. Просто используя Интернет, есть шанс, что вы станете частью алгоритма, используемого для будущих технологий с помощью данных. Но насколько мы далеки от настоящего искусственного интеллекта? Мог ли А. быть среди нас?
Что ж, сегодня мы уже разработали передовую технологию машинного обучения с..
Применение оптимальной стоимости транспорта в сценариях машинного обучения, часть 2
Скорость сходимости общих энтропийных оптимальных транспортных затрат (arXiv)
Автор : Гийом Карлье , Поль Пегон , Лука Таманини .
Аннотация: Исследуется скорость сходимости оптимальной энтропийной стоимости vε к оптимальной транспортной стоимости как параметра шума ε↓0. Мы показываем, что для большого класса функций стоимости c на Rd×Rd (для которых оптимальные планы не обязательно уникальны или индуцированы транспортной картой) и имеют компактный носитель и L∞ маргиналы,..
Глубокие нейронные сети. Упражняться. Часть 1.
Руководство по машинному обучению и анализу данных от А до Я .
Сообщите нам, если вас интересует разработка программного обеспечения для блокчейн и финтех , или просто скажите Привет в Pharos Production Inc .
В предыдущих двух статьях мы рассмотрели базовую теорию DNN - градиентный спуск, прямое и обратное распространение ошибки и еще несколько. На этот раз мы реализуем всю эту теорию с помощью Python.
Глубокие нейронные сети. Теория. Часть 1. Глубокие нейронные..
Будет ли визуальный ответ на вопрос начинаться успешно, часть 6 (машинное обучение)
Основанные на знаниях контрфактические запросы для визуальных ответов на вопросы (arXiv)
Автор : heodoti Stoikou , Maria Lymperaiou , Giorgos Stamou .
Аннотация: Визуальный ответ на вопрос (VQA) был популярной задачей, которая сочетает в себе видение и язык, с многочисленными соответствующими реализациями в литературе. Несмотря на то, что есть некоторые попытки подойти к проблемам объяснимости и надежности в моделях VQA, очень немногие из них используют контрфактуалы как средство..
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..