Публикации по теме 'machine-learning'
Крестики-нолики в Agular
Первое, что я сделал, когда учился программировать, — создал алгоритм крестиков-ноликов. Я помню, как вручную кодировал все ходы, угадывал ходы и вручную кодировал ответы.
А теперь представьте, если бы вам пришлось это делать для шахмат? Это принципиально невозможно! Для шахмат у нас есть Stockfish. Если вы думаете, что можете победить Stockfish, будьте моим гостем, вот он: https://lichess.org/
Ранние шахматные программы, например, включали жестко закодированные правила,..
Анализ настроений в Твиттере: чемпионат мира по футболу, лучший игрок и лучшая команда
Чемпионат мира по футболу — это больше, чем просто спортивное мероприятие; это глобальное явление, которое разжигает пыл, волнение и горячие дискуссии среди любителей футбола во всем мире. В сегодняшнюю цифровую эпоху эти дискуссии часто проходят через платформы социальных сетей, такие как Twitter, что делает их интригующим пространством для анализа настроений. В этом подробном посте среднего размера мы отправимся в путешествие по изучению анализа настроений с использованием данных..
Искусственные нейронные сети (ИНС) изменили наше взаимодействие с компьютерами
Искусственные нейронные сети (ИНС) и особенно глубокие нейронные сети (ГНС) изменили то, как мы взаимодействуем с компьютерами. Мы собираемся изучить, как они функционируют, начав с изучения сути искусственной нейронной сети (основанной на модели работы биологического нейрона), а затем краткую историю ИНС. Затем мы рассмотрим простой пример запрограммированной и обученной нейронной сети.
Биологические нейроны
Сначала мы рассмотрим биологический нейрон, чтобы понять модель ИНС:..
Прогнозирование временных рядов с помощью ARIMA , SARIMA и SARIMAX
Глубокое погружение в золотой стандарт прогнозирования временных рядов
Прогнозирование временных рядов — сложная задача, на которую нет простого ответа. Существует бесчисленное множество статистических моделей, которые утверждают, что превосходят друг друга, но никогда не ясно, какая модель лучше.
При этом модели на основе ARMA часто являются хорошей моделью для начала. Они могут достигать приличных результатов в большинстве задач временных рядов и хорошо подходят в качестве базовой..
Тесла ИИ
Видение Илона Маска состоит в том, чтобы превратить Tesla из компании, производящей электромобили, в компанию, занимающуюся робототехникой, и день Tesla AI Day демонстрирует его приверженность своему видению.
Tesla - одна из крупнейших автомобильных компаний, и благодаря своим исследованиям и внедрению искусственного интеллекта в свои автомобили (Self Driving System) они в такой же степени разрабатывают программное обеспечение, как и автомобильная компания. Tesla как компания глубоко..
Как данные изменят нашу жизнь в 2020 году?
Двадцатый век был эпохой индустриализации и автоматизации, но конец века был особенным. Мы вошли в 21 век с такими технологическими гигантами, как IBM, Google, Microsoft и т. Д.
В 2020 году мы будем использовать приложения на основе iot, которые могут отслеживать всю нашу активность с утра до ночи. Эти трекеры активности содержат множество наших данных, которые можно использовать для персонализации и улучшения нашего образа жизни.
История просмотров в наши дни играет жизненно важную..
Как мне оценить или оптимизировать параметры моей системы ODE в MATLAB 8.1 (R2013a)?
У меня есть система обыкновенных дифференциальных уравнений (ОДУ) с некоторыми неизвестными параметрами (коэффициентами). Я хочу одновременно решить систему дифференциальных уравнений, а также оптимизировать неизвестные параметры, минимизируя целевую функцию, которая зависит от решения системы ОДУ.
Как лучше всего это сделать в MATLAB?
ПРИМЕЧАНИЕ.
Matlabsolutions.com предоставляет последнюю Помощь по домашним заданиям MatLab , Помощь по заданию MatLab для студентов, инженеров..
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..