Публикации по теме 'machine-learning'
Изучение искусственного интеллекта и машинного обучения на AWS: подробное руководство
Введение:
Искусственный интеллект (ИИ) и машинное обучение (МО) произвели революцию в отраслях, позволив интеллектуальную автоматизацию, прогнозную аналитику и расширенное принятие решений на основе данных. AWS предлагает комплексный набор сервисов, который позволяет разработчикам, специалистам по обработке и анализу данных и компаниям создавать и развертывать модели ИИ и машинного обучения в любом масштабе. В этом подробном руководстве мы познакомимся с миром ИИ и машинного обучения на..
Применение искусственного интеллекта в страховом секторе
Термины «искусственный интеллект» (AI) и «машинное обучение» (ML) в последнее время стали широко использоваться компаниями. Излишне говорить, что AI/ML стал важным аспектом будущего. Признавая потенциал технологий AI/ML, компании пытаются внедрить их в свои сервисные возможности. Поскольку страховая отрасль широко распространена, приложения для технологий AI / ML существуют во всем спектре услуг, предлагаемых этими компаниями.
Необходимость страхования
Основная функция страхования..
Машинное обучение для физической безопасности — интервью с специалистом по данным Stabilitas доктором
Машинное обучение для обеспечения физической безопасности — интервью с специалистом по данным Stabilitas доктором Михаилом Зайдманом
Главный операционный директор Стабилитас Крис Херст недавно взял интервью у ведущего специалиста по данным команды доктора Зайдмана.
Биография доктора Задимана ниже.
Цель интервью: Введение в машинное обучение для специалистов по безопасности.
Мы надеемся, что это интервью поможет менеджерам по безопасности, аналитикам, командам разработчиков..
Метрики регрессии
Оценка моделей регрессии
У нас есть следующие показатели производительности:
Средняя абсолютная ошибка (MAE) Среднеквадратическая ошибка (RMSE) R в квадрате (R2) Скорректированный R2
MAE: Проще говоря, это среднее значение абсолютной разницы между фактическим значением и прогнозируемым значением.
Если ошибка высока, мы можем считать, что производительность модели плохая. Чем ниже ошибка, тем лучше модель. Вычисленное значение ошибки также зависит от данных. Если мы..
Обобщение NLP-видео с помощью Watson и GPT
Siri, пожалуйста, посмотрите мою часовую лекцию в университете и сделайте для меня резюме
Обобщение NLP-видео с помощью Watson и GPT
В этом проекте я исследовал возможности GPT2 (который имеет около 1 миллиарда параметров) и могу только представить себе мощь самого последнего GPT3, имеющего 175 миллиардов параметров !, который может записывать программные коды в художественные стихи. В этом проекте я использовал университетскую лекцию - Введение в статистическое обучение,..
Теория против эксперимента в нейронных сетях
Я рассматриваю машинное обучение как дисциплину с такими же масштабами и мощью по сравнению с ее предшественниками в области анализа, как и вычисления. Будущие историки могут рассматривать нашу эпоху как пограничный период, как, например, противоречие между Лейбницем и Ньютоном, когда различные формальные утверждения методов машинного обучения кажутся различаются, а обозначения противоречат друг другу. Определенная степень эквивалентности методов была выявлена, однако область в..
Раскройте потенциал многомерного прогнозирования временных рядов с помощью моделей векторной авторегрессии (VAR)…
Бывают случаи, когда нам нужно прогнозировать несколько переменных одновременно. В этих случаях традиционных методов, таких как ARIMA или Экспоненциальное сглаживание , недостаточно, поскольку они являются одномерными методами.
Векторная авторегрессия (VAR) является статистической моделью для многомерного анализа временных рядов и прогнозирования . Он используется для фиксации взаимосвязи между несколькими переменными по мере их изменения во времени. В этой статье мы обсудим,..
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..