Публикации по теме 'machine-learning-ai'
Предлагаемые книги по искусственному интеллекту на 2020 год
Искусственный интеллект (ИИ) влияет почти на все аспекты нашей жизни, помогая повысить эффективность и расширить человеческие ограничения. Он переплетается практически со всем, что мы делаем, и без него довольно сложно представить себе жизнь.
Наш мир выглядит совершенно по-другому из-за этой прорывной технологии. Мы можем ожидать, что ИИ еще больше войдет в нашу повседневную жизнь, на работу и в общество.
Чтобы лучше узнать об ИИ, мы поделимся с вами 5 лучшими книгами по..
Предсказание сердечных заболеваний Нираджаном Ачарьей
И. Импорт библиотек
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
import os
print(os.listdir())
import warnings
warnings.filterwarnings('ignore')
II. Импорт и понимание нашего набора данных
dataset = pd.read_csv("heart.csv")
Проверка его как объекта dataframe в pandas
type(dataset)
(панды.core.frame.DataFrame)
Форма набора данных
(303, 14)
Распечатка нескольких столбцов
dataset.head(5)..
Системы машинного обучения Pt. 1: Обзор и проблемы
В 2015 году исследовательская работа по машинному обучению наделала много шума, обсуждая скрытый технический долг в системах машинного обучения . В этой статье Скалли и др. др. подчеркнул, что код для построения модели машинного обучения — это очень маленькая часть всего проекта. С тех пор это понятие было подтверждено во всей отрасли, поскольку специалисты по данным и инженеры по машинному обучению пытались производить модели в ноутбуках Jupyter с небольшим успехом .
Рис. 1...
Регуляризация: секрет предотвращения переобучения
В машинном обучении процесс регуляризации используется для предотвращения переобучения. Переобучение происходит, когда модель слишком близко подходит к обучающим данным и плохо обобщается на новые данные. Это может произойти, когда модель слишком сложна или когда данные для обучения слишком ограничены.
Регуляризация — это метод, который можно использовать для борьбы с переоснащением, делая модель более простой и надежной. Регуляризация — это метод, используемый во многих различных..
МАШИННОЕ ОБУЧЕНИЕ: ЕГО ИСПОЛЬЗОВАНИЕ, ПРЕИМУЩЕСТВА И ПРОТИВ
Машинное обучение: использование, преимущества, недостатки
Для чего предназначено машинное обучение? Машинное обучение — это прогрессивное явление, которое обогатило ряд коммерческих и опытных действий наряду с повседневной жизнью. Это подкатегория искусственного интеллекта (ИИ), в которой особое внимание уделяется использованию численных подходов для создания блестящих компьютерных структур для изучения существующих записей.
Для чего используется машинное обучение? Машинное обучение..
Раскрытие преимуществ ИИ для бизнеса: руководство для руководителей
Введение
Искусственный интеллект (ИИ) — это способность машины выполнять когнитивные функции, обычно связанные с человеческим разумом, такие как восприятие, рассуждение, обучение, взаимодействие с окружающей средой, решение проблем и даже проявление творчества. ИИ революционизирует различные отрасли, делая бизнес более эффективным и прибыльным.
Различные типы ИИ
Машинное обучение : алгоритмы, обученные на данных для выявления закономерностей и обучения тому, как делать прогнозы и..
Обучение в ансамбле: объединение возможностей многих для улучшения прогнозов
В области машинного обучения ансамблевое обучение стало мощным методом, который объединяет прогнозы нескольких моделей для достижения более высокой производительности по сравнению с отдельными моделями. Ансамбльное обучение использует мудрость толпы, используя сильные стороны различных моделей для преодоления ограничений любой отдельной модели. В этой статье рассматриваются концепции, преимущества и популярные методы ансамблевого обучения, которые произвели революцию в области машинного..
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..