Публикации по теме 'machine-learning'
Вариационный автоэнкодер (VAE) с дискретным распределением с использованием Gumbel Softmax
Теория и реализация PyTorch
Поскольку эта статья будет обширной, я предоставлю читателю индекс для лучшей навигации:
Введение Краткое введение в вариационные автоэнкодеры (VAE) Расхождение Кульбака – Лейблера (KL) потеря VAE Трюк с репараметризацией Выборка из категориального распределения и трюк Gumbel-Max Выполнение
Введение
В настоящее время генеративные модели стали очень популярными благодаря их способности генерировать новые выборки с присущей им изменчивостью путем..
Массовая проверка
Вы хотите, чтобы ваш продукт был проверен с четкими показателями? Мы получили вашу спину.
Мы настроили рейтинг Эло и другие системы ранжирования для проверки любого предмета, который вы хотите проверить. Эта внутренняя система ранжирования будет интегрирована с толпой помощи для проверки.
Недавно мы начали проверять профили Datascience и Machine Learning. Это очень полезно для нашего процесса найма.
Проверьте нашу систему проверки талантов здесь:
Fake..
На прошлой неделе в AI
Каждую неделю моя команда в Invector Labs публикует информационный бюллетень, чтобы отслеживать самые последние разработки в области исследований и технологий искусственного интеллекта. Вы можете найти выпуск за эту неделю ниже. Вы можете подписаться на него ниже. Пожалуйста, наши ребята очень много работали над этим:
От редактора
Может ли искусственный интеллект (ИИ) формулировать сложные стратегии? Процесс выработки стратегии долгое время считался магической способностью..
Модель Behavioral Insights с использованием IBM Watson OpenScale
Отзывы сотрудников - это очень мощный инструмент, который помогает сотрудникам совершенствоваться, понимая их сильные и слабые стороны. Говорят, что сотрудники жаждут обратной связи, поскольку она помогает им расти в профессиональном плане. Модели искусственного интеллекта имеют схожие характеристики - им нужна обратная связь, чтобы помочь им определить свои сильные и слабые стороны и стать лучше. IBM Watson OpenScale помогает предприятиям понять поведение своих моделей искусственного..
Прогнозирование стоимости акций TESLA на момент закрытия
Контролируемое машинное обучение :
Тип обучения, при котором ввод и вывод уже передаются конкретной модели, и при этом модель проходит обучение и дает прогнозируемые значения, которые по сравнению с выходными значениями дают наилучшую линию соответствия.
Линейная регрессия :
Само название предполагает, что оно дает линейную зависимость между зависимой и независимой переменной, где уравнение:
y= mx +c, где m — наклон, а c — точка пересечения.
Почему я выбрал линейную..
Краткое введение в функции потерь
Очень краткое объяснение функций потерь с двумя простыми для понимания примерами известного классификатора softmax и функции потерь SVM.
вступление
Задачу прогнозирования можно рассматривать как простую задачу оптимизации. Модель пытается оптимизировать его производительность, правильно предсказывая значение. Фактическое значение, которое мы оптимизируем, называется «потерями» (которые мы, конечно же, стараемся минимизировать). Для этого модели необходима способность измерять этот..
Прогноз медицинских расходов с использованием линейной регрессии | Нандита Поре
Введение:
Медицинские расходы часто могут быть серьезной проблемой для отдельных лиц и семей. Прогнозирование этих затрат может иметь серьезные последствия для страховых компаний, поставщиков медицинских услуг и политиков. В этом сообщении блога мы углубимся в мир прогнозирования медицинских расходов с использованием линейной регрессии. Мы проведем вас через весь процесс: от загрузки набора данных до оценки производительности модели, предоставляя примеры кода на каждом этапе...
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..