Публикации по теме 'machine-learning'
Бумажные заметки № 1 — «Внимание — это все, что вам нужно»
Первая из серии бумажных заметок. Здесь я кратко суммирую важные статьи, которые я читаю по работе или просто для удовольствия :P
Бумага : внимание — это все, что вам нужно Ссылка : https://bit.ly/3aklLFY Авторы : Ашиш Васвани, Ноам Шазир, Ники Пармар, Якоб Ушкорейт, Ллион Джонс, Эйдан Н. Гомес, Лукаш Кайзер, Илья Полосухин Код : https://github.com/tensorflow/tensor2tensor
Найдите аннотированную версию статьи здесь .
Что?
Предлагает Transformers, новую простую..
Развитие ИИ идет слишком быстро для нашего же блага?
Опасность искусственного интеллекта
Развитие ИИ идет слишком быстро для нашего же блага?
Должны ли мы поставить паузу на искусственном интеллекте?
В нашу эпоху стремительного технического прогресса и вездесущего ИИ нормально чувствовать одновременно и возбуждение, и некоторую тревогу. От чат-ботов с искусственным интеллектом до моделей машинного обучения, которые могут генерировать очень реалистичные изображения, возможности кажутся безграничными — пока мы не начали спрашивать..
Последние обновления, связанные с использованием многослойных персептронов в сложных конвейерах, часть 7 (машина…
Прогнозирование скорости ветра с использованием гибридной модели многослойного персептрона и алгоритма оптимизации китов (arXiv)
Автор: Саид Самадианфард , Саджад Хашеми , Катаюн Каргар , Моджтаба Изадьяр , Али Мостафаейпур , Амир Мосави , Нарджес Набипур , Шахабоддин Шамширбанд .
Аннотация: Энергия ветра как возобновляемый источник энергии имеет многочисленные экономические, экологические и социальные преимущества. Для улучшения и контроля возобновляемой энергии ветра жизненно..
Выявление и обработка выбросов в Python Pandas: пошаговое руководство
Выбросы — это точки данных, которые значительно отличаются от остальных данных. Они могут возникать из-за ошибок при сборе или измерении данных или из-за действительно необычных событий или поведения. Обработка выбросов — важная задача анализа данных, поскольку они могут существенно повлиять на статистические показатели и модели машинного обучения.
В этом уроке мы узнаем, как обрабатывать выбросы в Python Pandas. Мы рассмотрим следующие темы:
Выявление выбросов Обработка выбросов..
Лагерь 2 Академии наук о данных: использование возможностей данных с помощью машинного обучения
Читайте на индонезийском языке
COMPFEST 15, проходивший в Депоке, стал вторым выпуском Академии наук о данных (DSA) в лагере 2 с 14 по 19 августа 2023 года. Лагерь, проводившийся онлайн через платформу Zoom, длился четыре дня. Участники, 10 лучших команд, предварительно отобранных COMPFEST, углубились в машинное обучение в области науки о данных. На сессиях выступали компетентные спикеры, хорошо разбирающиеся в своей области. Заинтригованы волнением? Узнайте больше в статье ниже!..
Подробное руководство о том, как начать работу с машинным обучением
В этой статье я проведу вас через все шаги, необходимые для того, чтобы вы уверенно шагнули вперед в мир машинного обучения, начиная с самых основ науки о данных и проектирования данных и заканчивая полноценным машинным обучением.
В основе любого проекта машинного обучения лежат 6 очень широких и простых шагов: 1. Предварительная обработка данных: обработка данных и EDA.
2. Тренируйтесь и тестируйте сплит
3. Настройка алгоритма
4. Примерка модели
5. Предсказания модели
6. Оценка..
2-минутный обзор ограничений ChatGPT
ChatGPT — это система машинного обучения, основанная на технологии обработки естественного языка (NLP). Это мощный инструмент, который можно использовать для создания автоматизированных диалогов и обработки запросов пользователей. Несмотря на свой потенциал, ChatGPT имеет несколько ограничений, которые необходимо признать и устранить.
Во-первых, ChatGPT ограничен в своей способности понимать и интерпретировать естественный язык. Хотя система может генерировать автоматические ответы..
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..