Публикации по теме 'editors-pick'
Состояние компьютеров Mac M1 для разработчиков — Руководства по установке и сравнительный анализ
Добро пожаловать в 10-й выпуск Coffee Bytes, ежедневный дайджест Better Programming.
Еще в ноябре 2020 года Apple представила собственные чипы на базе ARM для Mac. Спустя год и две версии будущее Apple Silicon выглядит еще более многообещающим, поскольку переход происходит плавно.
Если вы хотите подготовить свой M1 Mac к ежедневному рабочему процессу или нуждаетесь в вдохновении для перехода на «зверя», у нас есть список руководств по настройке, посты о тестировании производительности..
Неясное искусство дизайна данных
Борьба с постыдной новой алхимией цифровой эры
Карьера в области данных была отвратительно раскручена. Не преувеличение ( имеет невероятную ценность, которую можно извлечь из данных ), а больше похоже на ошибочное толкование — многие люди создают шумиху вокруг данных по совершенно неверным причинам. .
Правильные причины для волнения связаны со старой поговоркой: знание — это сила: сила улучшить ваш бизнес, вашу работу, вашу личную жизнь и мир вокруг вас. Со всеми технологическими..
Python 3.10 - пять новых функций и соображений
Python 3.10 - пять новых функций и соображений
Не только перечисление, но также примеры и соображения.
Несколько дней назад наконец-то был выпущен Python 3.10. В Интернете уже есть много статей, которые были опубликованы еще до того, как он был выпущен. Однако я обнаружил, что большинство из них просто перечисляют новые функции без особого обсуждения. Поэтому в своей статье я постараюсь привести несколько примеров того, как использовать эти новые функции. Кроме того, я буду..
Работа с выбросами с использованием трех надежных моделей линейной регрессии
Работа с выбросами с использованием трех надежных моделей линейной регрессии
С практическим примером использования алгоритмов регрессии Huber, RANSAC и Theil-Sen
Линейная регрессия — одна из самых простых моделей машинного обучения. Часто это отправная точка не только для изучения науки о данных, но и для создания быстрых и простых минимально жизнеспособных продуктов (MVP), которые затем служат эталоном для более сложных алгоритмов. Как правило, линейная регрессия соответствует..
Как структурировать проект Data Science для удобочитаемости и прозрачности
И как создать один в одну строку кода
Мотивация
Важно структурировать свой проект по науке о данных на основе определенного стандарта, чтобы ваши товарищи по команде могли легко поддерживать и изменять ваш проект.
Но какому стандарту следует следовать? Было бы неплохо, если бы вы могли создать идеальную структуру для проекта по науке о данных с помощью шаблона?
Существует несколько отличных шаблонов для проектов по науке о данных, но в них отсутствуют некоторые передовые методы,..
Памятка по алгоритмам машинного обучения
Краткое справочное руководство по 5 распространенным алгоритмам
Теорема « бесплатных обедов не бывает» для машинного обучения гласит, что не существует единого алгоритма машинного обучения, который мог бы решить все типы задач машинного обучения.
Задачи машинного обучения могут сильно различаться, и выбор алгоритма будет зависеть от таких вещей, как размер, размерность и разреженность данных. Целевая переменная, качество данных, а также взаимодействия и статистические отношения,..
Глубокое изучение микробиома человека
ГЛУБОКОЕ ОБУЧЕНИЕ ДЛЯ НАУК О ЖИЗНИ
Глубокое изучение микробиома человека
Сделать вывод о микробном составе образца из последовательностей ДНК.
Это девятый пост моей колонки Глубокое обучение для наук о жизни , где я пытаюсь продемонстрировать конкретные примеры применения искусственных нейронных сетей к реальным проектам из вычислительной биологии и наук о жизни. Ранее мы рассмотрели несколько приложений глубокого обучения для Древней ДНК , Биологии одной клетки ,..
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..