Публикации по теме 'machine-learning'
Разница между машинным обучением, глубоким обучением, наукой о данных и искусственным интеллектом (ИИ)
Разница между машинным обучением, глубоким обучением, наукой о данных и искусственным интеллектом (ИИ)
Представьте себе беспилотный автомобиль , который подбирает пассажиров на оживленной улице, где они могут перемещаться из одного места в другое. Или модель машинного обучения , способная предсказывать шансы человека заболеть раком с минимальной помощью врача. Или чат-боты , способные общаться с покупателями по поводу онлайн-покупок. Или модели, способные дать оценку сложности..
Умный способ сериализации / десериализации классов в / из графа Tensorflow
Умный способ сериализации / десериализации классов в / из графа Tensorflow
Автоматически привязывать свои поля к графику тензорного потока и обратно
Было бы здорово автоматически привязать поля класса к переменным тензорного потока в графе и восстанавливать их, не возвращая вручную каждую переменную?
Код для этой статьи можно найти здесь , версию для ноутбука jupyter можно найти здесь
Изображение у вас Model класс
Обычно вы сначала строите свою модель, а затем..
Реализация градиентного спуска для линейной регрессии
Часть 3 из серии «Начало работы с глубоким обучением»
Мотивация
В последнем посте мы углубились в то, как мы можем настроить параметры модели, чтобы уменьшить ошибку ее прогнозов на обучающей выборке. Это можно сделать с помощью алгоритма градиентного спуска, который итеративно обновляет параметры, делая шаги к минимуму, руководствуясь градиентом функции потерь.
Эта публикация посвящена простому, но очень информативному упражнению по применению алгоритма градиентного спуска к..
Еженедельник по инженерии данных № 34
История представляет собой кросс-публикацию из еженедельника Data Engineering Weekly. Пожалуйста, подпишитесь на информационный бюллетень Data Engineering, чтобы быть в курсе последних обновлений.
www.dataengineeringweekly.com
Добро пожаловать в 34-й выпуск информационного бюллетеня по инженерии данных. Релиз на этой неделе представляет собой новый набор статей, посвященных массивно-параллельным вычислениям графов Google, пути передачи данных Uber, сетке данных Hyperight, подходящей..
Обучение с подкреплением Глава 5 — Методы Монте-Карло (Часть 2: Контроль Монте-Карло)
Глава 5 Серия:
Часть 1 — Прогноз Монте-Карло Часть 2 — Контроль Монте-Карло Часть 3 — MC без изучения стартов Часть 4 — Вне политики посредством выборки по важности
Код: https://github.com/nums11/rl
В предыдущей статье мы узнали о методах Монте-Карло, о том, чем они отличаются от методов динамического программирования и как их можно использовать для оценки значений состояния для политики. В этой статье мы узнаем, как их можно использовать для оценки ценности действий, а..
[TENSORFLOW] пример тензорной доски
X = train_data Y = train_targets
def create_model(): input_tensor = Input( shape = ([входная форма], )) x = слои.Dense( 13, активация = 'relu')( input_tensor ) x = слои.Dense( 26, активация = 'relu')( x ) x = слои.Dense( 13, активация = 'relu')( x ) concat = слои.concatenate( [ x, input_tensor ] ) output_tensor = layer.Dense( 1 )( concat ) function_model = Model( input_tensor, output_tensor ) function_model.compile( loss = 'mae', оптимизатор = 'rmsprop', metrics = ['MSE'] ) вернуть..
Встраивание библиотеки Tribuo ML в качестве расширения JUnit
В этом мысленном эксперименте мы используем Tribuo в пользовательском расширении JUnit, чтобы увидеть возможность использования машинного обучения (ML) для потенциального получения полезных сведений о гарантии качества (QA) для данной услуги или продукта.
JUnit , самая популярная среда тестирования на JVM, представляет собой модульную и расширяемую среду тестирования. JUnit предоставляет точки расширения для подключения к его жизненному циклу и добавления к нему пользовательских..
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..