Публикации по теме 'machine-learning'
Масштабируемость машинного обучения в больших данных: систематическое картографическое исследование
Машинное обучение — это область компьютерных наук, которая развилась из изучения распознавания образов и теории вычислительного обучения в искусственном интеллекте. Исследования, проводимые в этой области, имеют основной целью предоставить компьютерам возможность обучаться и выполнять задачи в одиночку, то есть без необходимости вмешательства пользователя.
Эти навыки обеспечиваются за счет использования различных методов в области статистики, математической оптимизации и многих других,..
Понимание функции torch.gather в Pytorch
Два аргумента этой функции, index и dim , являются ключом к пониманию функции.
В случае 2D dim = 0 соответствует строкам, а dim = 1 соответствует столбцам.
В случае 3D dim = 0 соответствует изображению из пакета, dim = 1 соответствует строкам, а dim = 2 соответствует столбцам.
Случай двумерного входного тензора
1. Понимание аргумента dim:
а. Когда dim = 0, мы выбираем строки.
б. Когда dim = 1, мы выбираем столбцы.
2. Понимание аргумента индекса:
а. Аргумент индекса..
Альфа-генерация (прогнозирование движения цен) и торговля с использованием обучения с подкреплением - Кирнс…
« Это не из легких »
Майкл Кернс и Юрий Невмывака опубликовали немало статей на тему алгоритмической торговли и имеют значительное присутствие как в академических кругах, так и в финансовой индустрии (алгоритм поиска ликвидности Aqua от JP Morgan, который выполняет сделки по всему миру на 60 биржах, 30 темных пулов и 50 стран частично основан на их алгоритме RL).
В части этой статьи ( 4 - Прогнозирование движения цены на основе состояния книги заказов ) обсуждается потенциал..
Как установить технические метрики Data Science Project для бизнеса
Технический KPI является обязательным в рамках Data Science Project
Специалист по данным — это человек, нанятый для решения бизнес-проблемы с использованием продуктов данных. Тем не менее, тенденции в курсе науки о данных сосредоточены на технологическом аспекте, а не на бизнес-точке зрения. Честно говоря, если ученые данных сначала изучат бизнес, а не технологии, их шансы быть нанятыми возрастут .
Одним из основных направлений работы специалистов по данным являются технические..
прогнозировать отток клиентов банка с помощью Random Forest с перекрестной проверкой поиска по сетке в Python.
***Меня зовут Мохамед Собхи, и я учусь на факультете навигационных наук и космических технологий**** Классификация с помощью набора данных банка OpenML. *************Пакет: scikit-learn ********************** ********** *******Алгоритм: модель дерева решений ******************* *******************Набор данных : банковский набор данных по оттоку******************** ***Выбор модели: с использованием перекрестной проверки поиска по сетке (GSCV)****
Набор данных
Я использую набор данных от..
Аналитик данных, специалист по данным, инженер данных — в чем разница между всеми работами, связанными с данными?
В настоящее время работа с данными является популярной карьерой — компании продолжают собирать все больше и больше данных, чем когда-либо, и понимают необходимость использования этих данных для обоснования своих бизнес-решений.
Но в чем разница между всеми разными ролями? И на какую работу вам следует ориентироваться, если вы пытаетесь проникнуть в индустрию данных?
Общие названия вакансий в области данных включают аналитика данных, специалиста по данным, инженера данных, аналитика..
«Visual SLAM: повышение производительности навигации»
TL;DR:
TL;DR: Visual SLAM — это алгоритм, используемый в робототехнике для создания карт из неизвестных сред с использованием датчиков камеры. Он делится на три класса: Монокуляр, Стерео и RGB-D. Есть две основные части: Front-end и Back-end. Внешняя часть извлекает характерные точки, такие как края, углы и блоки, а внутренняя часть оптимизирует предполагаемую траекторию и другие части карты. ORB используется для извлечения надежных признаков. Сопоставление изображений используется..
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..