Публикации по теме 'machine-learning'
Расшифровано: быстрое глубокое обучение ИИ для программистов, урок 1
Цель серии: Прохождение урока 1 курса глубокого обучения fast.ai
Курс глубокого обучения Fast.ai — один из лучших и бесплатных ресурсов для начала работы с глубоким обучением. Их цель — помочь нанять экспертов в предметной области, предпринимателей и других лиц для решения широкого круга проблем с использованием глубокого обучения.
Чтобы достичь этого, они использовали подход «сверху вниз», чтобы люди могли испачкать руки, как только они погрузились в курс, вместо того, чтобы..
5 библиотек Python, которые поднимут ваши навыки машинного обучения на новый уровень!
Библиотеки Python, которые сделают машинное обучение простым и легким.
Python — это универсальный язык для машинного обучения, предлагающий широкий выбор библиотек.
В этой статье мы обсудим пять лучших библиотек Python для машин…
Чтение и обработка больших наборов данных за секунды - Часть 1
Обработка миллиардов строк за секунды…
Vaex - это высокопроизводительная библиотека Python с открытым исходным кодом для ленивых фреймов данных вне ядра, которая позволяет выполнять визуализацию, исследование, анализ, машинное обучение для табличных наборов данных, используя такие методы, как эффективные алгоритмы вне ядра, отображение памяти и ленивые оценки. . Можно просмотреть более миллиарда строк и выполнять различные статистические функции, агрегировать и строить впечатляющие..
Осеннее отражение
Осеннее отражение
Лежу на спине, трава Высокие деревья, падают желтые листья Утешение в красоте природы
-ai
подсказка: напишите хайку с заголовком
Разделите файл по процентам и произвольно распределите содержимое
Разделить исходный файл по процентному соотношению (10% / 90%), где содержимое обоих файлов распределяется случайным образом. Простой метод разделения файлов и случайного распределения экземпляров.
import random
with open('source.txt', 'r', encoding='utf-8') as source_file:
data = [
row.strip()
for row in source_file.readlines()
]
random.shuffle(data)
percentage = .2
pivot = int(len(source_data) * percentage)
development_set, holdout_set = (data[:pivot],..
Сравнительное сравнение извлечения контента из HTML-страниц
Вступление
Извлечение контента - это задача отделения шаблонов, таких как комментарии, панели навигации, ссылки в социальных сетях, реклама и т. Д., От основного текста статьи, отформатированной как HTML. Основное содержание обычно составляет лишь небольшую часть исходного кода страницы (выделена красным на изображении ниже). Извлечение обычно является первым шагом любого анализа данных, основанного на данных HTML, поскольку ошибки на раннем этапе имеют тенденцию распространяться ниже по..
Раскрытие финансовых махинаций: более глубокий взгляд на ИИ и анализ транзакций
В эпоху, отмеченную быстрым технологическим прогрессом, искусственный интеллект (ИИ) продолжает переопределять традиционные парадигмы в различных секторах. Особенно захватывающим является его применение в финансовой индустрии, в частности, для обнаружения и пресечения мошенничества. Анализируя транзакции, ИИ может сыграть важную роль в выявлении моделей мошенничества, снижении операционных расходов и обеспечении безопасности финансовых систем. В этой статье рассматривается, как технология..
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..