Публикации по теме 'editors-pick'
Ежедневный дайджест BP № 28 — TypeScript 4.7, расширения SwiftUI и многое другое.
Выпуск #28 — Подборка историй на сегодня — 24 мая
Добро пожаловать в 28-й выпуск Coffee Bytes, ежедневный дайджест Better Programming.
В этом выпуске мы выбрали несколько интересных перспектив и выдающихся постов дня. От первого взгляда на TypeScript 4.7 до причин, по которым инженеры-программисты увольняются (и как менеджеры могут их удержать), до автоматизации веб-перехватчиков Jira с помощью действий GitHub, до подключения отсутствующей части Jetpack Compose API до изучения некоторых..
Более 150 тщательно отобранных статей по программированию на Medium — май 2022 г.
Некоторые свежие мысли, с которыми мы столкнулись в прошлом месяце
Всем привет,
В этом ежемесячном выпуске мы выбрали несколько выдающихся сообщений, которые мы обнаружили в течение мая. От подробных руководств по Python до практических руководств по веб-разработке и разработке приложений, от глубоких погружений в web3 до практики разработки программного обеспечения и некоторых советов по работе — у нас есть все.
Без дальнейших церемоний, давайте начнем.
Программирование..
Токсичность при создании текста AI
Токсичность при создании текста AI
Почему языковые модели генерируют токсичные результаты и что с этим можно сделать
Недавно я реализовал небольшой проект НЛП, в котором я задал двум чат-ботам с открытым доменом 36 вопросов, чтобы влюбиться . То, что начиналось как развлечение, привлекло мое внимание к проблеме токсичности при создании текста ИИ . Сначала я задал языковой модели (LM) GPT-2 36 вопросов. Но я был шокирован некоторыми ответами модели, которые содержали ненавистные и..
Четыре политических класса обучения с подкреплением
Четыре политических класса обучения с подкреплением
Исчерпывающая классификация стратегий решения для обучения с подкреплением
Политика обучения с подкреплением (RL) окутана определенной мистикой. Проще говоря, политика π: s → a - это любая функция, которая возвращает возможное действие для проблемы. Ни меньше, ни больше. Например, вы можете просто выполнить первое действие, которое придет в голову, выбрать действие наугад или запустить эвристику. Однако то, что делает RL..
Искусство объяснения предсказаний
Как объяснить свою модель понятным для человека способом
Важной частью роли специалиста по данным является объяснение прогнозов моделей. Часто человек, получающий объяснение, не является техническим специалистом. Если вы начнете говорить о функциях стоимости, гиперпараметрах или p-значениях, вас встретят пустыми взглядами. Нам нужно перевести эти технические концепции на язык непрофессионала. Этот процесс может оказаться более сложным, чем построение самой модели.
Мы рассмотрим,..
Чему может нас научить Эйнштейн о машинном обучении
Мысли и теория
Чему может нас научить Эйнштейн о машинном обучении
Использование симметрии в машинном обучении
Во многих отношениях физика и машинное обучение имеют общую цель: формулировать модели наблюдаемых явлений. Для достижения этой цели физики давно осознали важность симметрии. В этом посте мы рассмотрим, как идеи симметрии из физики могут быть использованы в качестве руководящих принципов в машинном обучении.
Соавтором этого сообщения в блоге является Оливер Кобб из..
Прикладной анализ временных рядов велосипедных аварий в Мадриде
Вы будете в безопасности на велосипеде домой
Недавно я наткнулся на набор данных, содержащий зарегистрированные несчастные случаи с участием велосипедистов, и мне, как специалисту по данным, который любит время от времени кататься по моему городу, это показалось хорошей возможностью поразвлечься с этими данными.
Чтобы быть более точным, данные формируют временной ряд за период с 2010 по 2018 год, когда несчастные случаи регистрируются полицией в хронологическом порядке, и открыто..
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..