Публикации по теме 'machine-learning'
Azure Databricks — Введение
Azure Databricks — это управляемая платформа для запуска Apache Spark, популярного механизма обработки данных с открытым исходным кодом. Вот несколько ключевых моментов, которые вы можете изучить в Azure Databricks.
Что такое Azure Databricks?
Azure Databricks — это полностью управляемая платформа для запуска Apache Spark, созданная на основе инфраструктуры Azure. Он позволяет пользователям легко создавать кластеры Spark и управлять ими, запускать задания Spark и анализировать..
Light on Math ML: интуитивно понятное руководство по матричной факторизации
Вы никогда не будете бояться увидеть якобы пугающее уравнение матричной факторизации в своей жизни!
Код матричной факторизации : [ здесь ]
В этой статье вы узнаете о матричной факторизации, хлебе с маслом многих классических подходов к машинному обучению. В этой статье основное внимание будет уделено объяснению реальных приложений матричной факторизации (MF) (с примерами кода) и интуиции, лежащей в ее основе. Вы когда-нибудь думали, что матричную факторизацию можно использовать..
Изучение 5 лучших парадигм программирования: какая из них преобладает?
Привет, любители технологий! Я Джейн, молодой профессионал в возрасте 20 лет, ориентирующийся в захватывающем и сложном мире технологической индустрии. На протяжении всего моего пути мне выпала честь разрушать барьеры и вдохновлять женщин-женщин в сфере технологий — миссия, которая занимает особое место в моем сердце.
Погружение в динамичный мир технологических стартапов
Мое приключение началось в динамичной сфере технологического стартапа, стоящего на грани выхода на биржу...
Варианты использования GFlowNets в различных сценариях, часть 3 (Машинное обучение)
GFlowNet-EM для изучения композиционных моделей скрытых переменных (arXiv)
Автор: Эдвард Дж. Ху , Николай Малкин , Мокш Джейн , Кэти Эверетт , Александрос Грайкос , Йошуа Бенжио .
Аннотация: Модели скрытых переменных (LVM) с дискретными композиционными латентными элементами являются важным, но сложным параметром из-за комбинаторно большого количества возможных конфигураций скрытых элементов. Ключевым компромиссом в моделировании апостериорных и латентных данных является выбор..
5 методов предотвращения переобучения вашей следующей модели машинного обучения
Вы когда-нибудь разрабатывали модель нейронной сети, которая дает потрясающие результаты? Настолько, что это невероятно? Если у вас возникли такие сомнения, возможно, вы правы.
Возможно, ваша модель страдает от переобучения . Переобучение - это когда ваша модель «запоминает» ваш набор данных и, следовательно, способна точно предсказать результаты.
Другими словами, если вы запустите свою модель на другом наборе данных, можно с уверенностью сказать, что это даст катастрофические..
Машинное обучение: погружение глубже
Что это? Почему это имеет значение? Как это работает?
Что это такое?
Машинное обучение — это обучение, при котором машина может учиться самостоятельно, без явного программирования. Это приложение Al, которое предоставляет системе возможность автоматически учиться и совершенствоваться на основе опыта. Здесь мы можем сгенерировать программу, объединив входные и выходные данные этой программы. Одно из простых определений машинного обучения: «Говорят, что машинное обучение учится..
Освоение управления файлами и каталогами в Python
Введение
Манипулирование файлами и каталогами является фундаментальным аспектом программирования и информатики. В цифровом мире, в котором мы живем, файлы и каталоги являются строительными блоками для хранения, организации и извлечения данных. От простых текстовых файлов до сложных мультимедийных документов, от отдельных файлов до сложной структуры папок — понимание того, как работать с файлами и каталогами, важно для разработчиков, системных администраторов и всех, кто занимается..
Новые материалы
Как создать диаграмму градиентной кисти с помощью D3.js
Резюме:
Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
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..