Публикации по теме 'machine-learning'
КЛАССИФИКАЦИЯ ПОРОД ОБЕЗЬЯН С ИСПОЛЬЗОВАНИЕМ ПЕРЕДАЧИ ОБУЧЕНИЯ — С ИСХОДНЫМ КОДОМ — САМОЕ ПРОСТОЕ ОБЪЯСНЕНИЕ КОДА…
В сегодняшнем блоге мы будем использовать трансферное обучение для реализации нашего сегодняшнего проекта — классификации пород обезьян. Трансферное обучение — это просто использование уже обученной модели для нашего текущего варианта использования. В этом случае мы будем использовать Mobilenet, предварительно обученный на Imagenet. Так что без каких-либо дополнительных должностей.
Прочитайте полную статью с исходным кодом здесь —..
Анализ данных Disney+ с использованием Python
Что стоит посмотреть на Disney+? Какой месяц идеально подходит для добавления подписки Disney+? Рейтинги фильмов и шоу Disney и многое другое.
Здравствуйте, дата-сайентисты!
Если вы следите за мной с самого начала, мы сделали несколько проектов по визуализации данных на разные темы. Marvel vs DC, анализ данных Spotify, анализ Zomato, анализ данных Cars и многие другие темы. Если вы пропустили, вот полный список проектов по науке о данных. Теперь в статье мы собираемся провести..
АЛГОРИТМЫ МАШИННОГО ОБУЧЕНИЯ №2
АЛГОРИТМЫ МАШИННОГО ОБУЧЕНИЯ №2
2. МНОЖЕСТВЕННАЯ ЛИНЕЙНАЯ РЕГРЕССИЯ
Что такое множественная линейная регрессия?
Множественная линейная регрессия (MLR), также известная как множественная регрессия, представляет собой статистический метод, который использует несколько независимых переменных для прогнозирования результата переменной отклика. Целью множественной линейной регрессии является моделирование линейной зависимости между независимыми переменными и переменными отклика..
Машинное обучение в трейдинге и финансах
Количественные финансы — 10 лучших программ сертификации и обучения (№7)
Коллеги, седьмое место в нашей Топ-10 обратного отсчета занимает программа Машинное обучение в трейдинге и финансах от Нью-Йоркского финансового института и Google Cloud. Он поможет вам в количественной торговле, парной торговле и импульсной торговле. Вы сможете разрабатывать базовые количественные торговые стратегии, создавать модели машинного обучения с использованием Keras и TensorFlow, строить модель..
Руководство по контролируемому обучению с помощью scikit-learn (часть 1)
Часть 1: Метрики для оценки моделей классификации ( Кодекс )
Содержание
Матрица путаницы Ошибка типа 1 (FP) и типа 2 (FN) Точность Точность/специфичность Отзыв/Чувствительность F1-счет Скорость ошибочной классификации Истинная положительная скорость (TPR) Ложноположительный показатель (FPR) Истинный отрицательный показатель (TNR) Нулевая частота ошибок Интерпретация матрицы путаницы и вычисление производных метрик на примере Кривая ROC (рабочая характеристика приемника) и AUC..
Прогнозирование сердечных заболеваний с использованием машинного обучения и нейронных сетей.
— Применение искусственного интеллекта/машинного обучения к прогнозной аналитике в здравоохранении.
Здравоохранение — одна из таких отраслей, в трансформации которой искусственный интеллект и машинное обучение будут играть ключевую роль.
Использование ИИ в медицине, здравоохранении и больницах огромно. От диагностики заболеваний до более быстрого открытия молекул лекарств ИИ может оказать революционное влияние во многих областях здравоохранения. Использование ИИ для прогнозирования..
Выбор правильного варианта обработки данных в Amazon SageMaker
Amazon SageMaker предоставляет различные способы обработки данных, чтобы подготовить их к вводу в задание обучение машинному обучению . Но знаете ли вы все различные варианты и когда какой из них использовать и когда выбрать один из других?
Если вы ответили на любой из этих вопросов отрицательно, то этот блог для вас. В этом блоге мы расскажем:
Какие различные варианты обработки данных существуют в SageMaker Как решить, какой из них использовать?
ПРИМЕЧАНИЕ . Этот блог..
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..