Публикации по теме 'machine-learning'
Как стать предприятием с искусственным интеллектом?
Скорость создания данных значительно возросла за последние несколько лет. Прошли те времена, когда простая доступность данных могла выделить вас. Теперь у вас есть данные, и не просто данные — есть отличная вычислительная мощность и преимущества передовых алгоритмов, которые делают вас богатыми в аналитике — так что у вас есть идеальный рецепт для того, чтобы стать компанией, ориентированной на ИИ. Но какие уместные вопросы вы должны задать себе, прежде чем наметить путь ИИ для своей..
Освоение машинного обучения: руководство для начинающих по ключевым терминам и понятиям, включая CNN, слои…
Машинное обучение — это область исследования, которая позволяет машинам обучаться и повышать свою производительность автоматически, без явного программирования. Это подмножество искусственного интеллекта ( ИИ ), основное внимание в котором уделяется обучению алгоритмов выполнению задач на основе входных данных. Область машинного обучения быстро развивается, и новичкам может быть сложно не отставать от используемой терминологии и концепций. В этом сообщении блога мы рассмотрим..
Упрощенная история машинного обучения: часть 2
Ссылка на Часть 1
4. VGG -Sep 2014- Original Paper — Code
Архитектура VGG представляет собой более глубокую сверточную нейронную сеть (CNN), чем AlexNet.
На приведенной выше диаграмме размеры представлены в формате [В x Ш x С], где В и Ш — высота и ширина изображения в пикселях, а С — количество каналов или количество фильтров, содержащихся в слое. . Входной слой, исходное изображение, начинается с 224 пикселей на 224 пикселя и трех каналов, которые придают ему цвет: R, G..
Распознавание активности человека: прогнозирование активности с использованием данных датчика телефона
Введение
Этот проект направлен на создание модели, которая прогнозирует действия человека, такие как ходьба, ходьба по лестнице, ходьба по лестнице, сидение, стояние и лежание, на основе данных датчиков смартфонов. Это проблема классификации шести классов, поскольку у нас есть шесть действий для анализа и обнаружения.
Набор данных
Набор данных состоит из записей 30 человек, выполняющих повседневную деятельность со смартфоном на талии. В каждый смартфон встроено несколько..
Полное подробное руководство по линейной регрессии в Python для начинающих
Полное подробное руководство по линейной регрессии в Python для начинающих
Реализация базовой, простой и множественной линейной регрессии линейной регрессии в Scikit-Learn
Линейная регрессия — это самый простой тип машинного обучения. Он основан на простой формуле прямой линии, которую мы все выучили в средней школе. Хотя существует множество других более сложных и эффективных алгоритмов машинного обучения, тем не менее, для начала неплохо изучить линейную регрессию. Потому что..
Одним глазом виднее, чем двумя — История нашего сайта: www.hashtaag.com
Когда мы что-то начинаем, мы всегда чувствуем, что это начало. На самом деле внешний мир больше заинтересован в наблюдении за чужими жизнями, чем за своими собственными жизнями. Мы начали мечтать об этом, сидя в нашей двухкомнатной квартире в начале прошлого года. Мы дали название Хаштааг — Тааг всем. The Journey начала работать в Starbucks до того, как привлекла финансирование для сервисной компании. Мы (я и Джей ) провели бессонные ночи и дни, мечтая о том, что будет дальше...
Раскупоривание идей: путешествие по миру вина, основанное на данных
Введение
Вино, напиток, богатый традициями и культурой, на протяжении веков очаровывало как ценителей, так и новичков. Помимо искусства потягивания и наслаждения, мир вина представляет собой сложную картину вкусов, виноградников, регионов и, конечно же, рейтингов. Но что, если мы скажем вам, что вы можете глубже погрузиться в эту энологическую сферу, вооружившись не штопором, а инструментами анализа данных?
В этом сообщении блога мы приглашаем вас отправиться в путешествие,..
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..