Публикации по теме 'machine-learning'
Важность данных в науке о данных
Причина невероятных достижений в области машинного обучения кроется в данных и вычислительной мощности. На протяжении многих лет, используя лучшие технологии, мы сохранили данные, которые превратились в гигантский снежный ком.
Имея так много областей (финансы, здравоохранение, спорт, банковское дело, страхование, торговля и т. Д.) Для исследования, данные приходят с трудностями при их получении, обработке и сохранении (хранении).
Откуда мы получаем источники?
Чтобы использовать,..
Пошаговый подход к построению конвейера данных машинного обучения
Построение конвейера данных машинного обучения может быть сложной задачей, но если его разбить на более мелкие этапы, оно станет более управляемым. Вот пошаговый подход к созданию конвейера данных машинного обучения:
1.Определите проблему:
Первым шагом в построении конвейера данных машинного обучения является четкое определение проблемы, которую вы пытаетесь решить.
Это поможет вам определить, какие данные вам нужно собрать, какие алгоритмы следует использовать и какие показатели..
Распознавание предметов моды с помощью логистической регрессии. Реализация базового изображения с несколькими классами…
Предоставленный набор данных содержит экземпляры 10 предметов одежды, каждый из которых идентифицируется числовым ярлыком (от 0 до 9).
Пример изображения ботильонов примерно такой
Проблема и процесс построения модели:
Поскольку логистическая регрессия является бинарным классификатором, идея состоит в том, чтобы решить эту проблему как серию задач бинарной классификации. Набор данных модного поезда должен быть обучен с использованием модели логистической регрессии, которая..
Работа с теоремой Силова, часть 1 (продвинутая математика)
Обобщения теорем Лагранжа и Силова для группоидов (arXiv)
Автор: Густав Бейер , Кристиан Гарсия , Уэсли Г. Лаутеншлегер , Джулиана Педротти , Таиса Тамусюнас .
Аннотация: Мы показываем метод классификации конечных группоидов и обсуждаем мощность смежных классов и ее связь с индексом. Мы доказываем обобщение теоремы Лагранжа и устанавливаем теорию Силова для группоидов.
2.Теоремы Силова для ∞-групп (arXiv)
Автор : Matan Prasma , Tomer M. Schlank
Аннотация: Рассмотрение..
DAOS — Введение
Что это?
Способность собирать и формировать сообщества и параллельно вычислять многие вещи можно считать ключевой характеристикой интеллекта. Как вид, человечество, возможно, преуспело в этом; Я бы сказал, что если бы это было не так, я, возможно, не смог бы напечатать этот пост в блоге и мгновенно поделиться им со всем миром. Мы смогли организовать и построить сложные системы, которые, к лучшему или к худшему, позволили нам жить в одно из самых мирных времен за последнее время...
Как клиника Мэйо лидирует в области медицинских инноваций на основе искусственного интеллекта
Гигантский медицинский центр продвигается вперед с клиническими применениями в радиологии, кардиологии и дистанционной диагностике.
Томас Х. Дэвенпорт и Рэнди Бин
По данным MIT Sloan Management Review
В предыдущей колонке ИИ в действии мы утверждали, что в мире здравоохранения административные приложения искусственного интеллекта были легкодоступными. Однако иногда разумно добраться до более высоких ветвей дерева, и клиническое применение ИИ подпадает под эту категорию. Мы..
Революция в успехе малого бизнеса: как искусственный интеллект, машинное обучение, отсутствие кода, недорогое SaaS и…
Революция в успехе малого бизнеса: как искусственный интеллект, машинное обучение, отсутствие кода, недорогое SaaS и автоматизация изменят онлайн-ландшафт в 2023 году
Мир технологий постоянно развивается, и следующая большая вещь уже здесь. Искусственный интеллект (ИИ), машинное обучение, не требующие кода, недорогие продукты SaaS, интеграция и автоматизация должны изменить онлайн-ландшафт для малого и среднего бизнеса в 2023 году. Эти технологии не только облегчат малым предприятиям..
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..