Публикации по теме 'machine-learning'
Что, почему и как использовать генеративные потоковые сети
Руководство по созданию вашего первого GFlowNet в TensorFlow 2
Генеративные потоковые сети (GFlowNets) — это метод машинного обучения для создания составных объектов с частотой, пропорциональной связанному с ними вознаграждению.
В этой статье мы раскроем значение всех этих слов, объясним, чем полезны GFlowNet, поговорим о том, как их обучать, а затем разберем реализацию TensorFlow 2.
Развивайте свою интуицию
GFlowNets были представлены на NeurIPS в 2021 году Эммануэлем Бенджио и..
Специалисты по данным, не ограничивайтесь CI/CD, вместо этого используйте CI/CD/CF для получения лучших продуктов машинного обучения.
Конвейерная лента непрерывной интеграции (CI), непрерывного развертывания (CD) и непрерывной характеристики (CF) обеспечивает создание моделей машинного обучения с учетом продукта в действительно итеративной среде.
Дни только крупных компаний-разработчиков программного обеспечения (например, FAAMG), курирующих и защищающих лучшие фреймворки машинного обучения, сочтены. Хотя исследования и разработки могут продолжаться в этих компаниях, учитывая размер инвестиций, следующая фаза роста..
Внимание - это все, что вам нужно
Трансформаторы и механизм внимания произвели революцию в области обработки естественного языка (NLP) и привели к значительным улучшениям в таких задачах, как моделирование языка, машинный перевод и классификация текста. Модель трансформатора, представленная в 2017 году Васвани и др., заменила традиционную архитектуру рекуррентных нейронных сетей (RNN) механизмом самоконтроля, который позволяет более эффективно обрабатывать последовательные данные. Механизм внимания, который позволяет модели..
Приложение с графическим интерфейсом для распознавания рукописных цифр
Введение
Каждый день разработчики усердно работают над машинами, чтобы сделать их более умными и интеллектуальными, используя методы машинного обучения и глубокого обучения, чтобы они могли выполнять задачи, аналогичные людям. С помощью этих методов можно уменьшить человеческие усилия в распознавании, обучении, прогнозировании и во многих других областях.
Способность компьютеров распознавать рукописные цифры человека известна как распознавание рукописных цифр из таких..
Обучение в ансамбле: объединение возможностей многих для улучшения прогнозов
В области машинного обучения ансамблевое обучение стало мощным методом, который объединяет прогнозы нескольких моделей для достижения более высокой производительности по сравнению с отдельными моделями. Ансамбльное обучение использует мудрость толпы, используя сильные стороны различных моделей для преодоления ограничений любой отдельной модели. В этой статье рассматриваются концепции, преимущества и популярные методы ансамблевого обучения, которые произвели революцию в области машинного..
Кластерный анализ популярных песен — часть 3
Предыдущая Часть 2 продолжается объяснением введения остальных характеристик песни, а также обсуждением корреляции между характеристиками каждой песни и популярностью, чтобы определить, какой характер песни влияет на ее популярность. В этой части начинается применение кластерного анализа для выявления сходства песен, а затем анализируется каждая характеристика песен путем кластеризации, каждая страна использует свою модель. А затем объясните каждую характеристику кластерами из самых..
Прогнозирование уровня доходов стран
Написав большую часть своих прошлых блогов об автоматизированном машинном обучении, я решил посвятить этот пост реальной задаче машинного обучения.
Цель задачи состояла в том, чтобы определить прогностические атрибуты для уровня дохода страны и, следовательно, попытаться предсказать уровень дохода страны на основе определенных атрибутов.
Оригинальный исходный код можно найти в [1].
Выбор данных
Вначале нам нужно было выбрать атрибуты, которые следует учитывать для задачи, и найти..
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..