WedX - журнал о программировании и компьютерных науках

Публикации по теме 'machine-learning'


Квантовое обучение с глубокими сетями
Как сократить время обучения нейронной сети вдвое с минимальными усилиями Квантование с первого взгляда Существует много подходов для снижения накладных расходов на обучение нейронной сети, но одним из наиболее многообещающих методов является низкоточное/квантованное обучение. Подход прост — просто уменьшите количество битов, используемых для представления активаций и градиентов в сети во время обучения . Затем эти низкоточные представления, как показано на рисунке выше, ускоряют..

5.0 VS 5.7 Hemi: прямое сравнение Когда дело доходит до двигателей, два самых популярных двигателя…
5.0 VS 5.7 Hemi: прямое сравнение Когда дело доходит до двигателей, два самых популярных двигателя — Hemi 5.0 и 5.7. Оба этих двигателя известны своей мощностью и производительностью. Однако, рассматривая различия 5.0 и 5.7 Hemi, вы заметите, что каждый двигатель имеет свои уникальные характеристики. Итак, каковы основные различия между 5.0 и 5.7 Hemi? Двигатель 5.7 Hemi имеет больший рабочий объем и более высокую красную черту, чем двигатель 5.0. В то время как Hemi 5.7 мощнее и..

5 докладов о машинах и глубоком обучении, которые нельзя пропустить в ODSC APAC
На ODSC APAC 2022 в сентябре этого года у вас будет возможность узнать о последних разработках и достижениях в области науки о данных и искусственного интеллекта от ведущих экспертов, практиков и ученых. Более того, многие из этих сессий будут доступны вам бесплатно с Talks Pass . Ознакомьтесь с некоторыми из них ниже. Использование дополненной реальности, машинного зрения и глубокого обучения для решения проблем цепочки поставок: Deepak Nagaraje Gowda | Старший главный..

Выборка данных с использованием Pandas! Руководство для начинающих!
Выборка данных с использованием Pandas! Руководство для начинающих! Вы можете использовать Pandas для случайной выборки наборов данных. Метод выборки в Pandas — это удобный способ случайного выбора строк или выборок из объекта DataFrame или Series. По умолчанию метод возвращает случайную выборку того же размера, что и исходные данные, но вы можете указать другой размер выборки, передав параметр n.

Объяснение модели синтеза голоса Tacotron2 и эксперименты
Авторы: Эдвард Дж. Юн, Элли Канг Аннотация: разговор на естественном языке между человеком и не-человеком, показанный дуплексным ИИ на Google I/O 18, считается уже прошедшим тест Тьюринга. Тем не менее, технологии распознавания речи среди нескольких говорящих предстоит пройти долгий путь. Тем не менее, технология синтеза голоса на основе глубокого обучения, которая превосходит ожидаемое качество обычного распознавания речи (традиционный объединенный синтезатор, созданный голосом),..

Объяснение рейтингов триллеров на IMDb
Значения SHAP для звезд, жанров и т. д. В этой статье я использую набор данных около 3200 триллеров, взятых с сайта IMDb . Набор данных публично доступен на Kaggle . Полную информацию об анализе можно найти в этой общедоступной записной книжке Kaggle . Шаг 1 — предварительная обработка данных Здесь предварительная обработка данных состоит из следующих шагов: log10-преобразование времени выполнения серий в минутах с помощью правила x->np.log10(1+x) (так что 0..

Огромные перспективы и практические ограничения машинного обучения в биохимии
Аарон Кимбалл был на пике популярности в мире больших данных, сначала как коммиттер Hadoop и один из первых сотрудников Cloudera, а затем как соучредитель основанного на Hadoop стартапа рекомендаций под названием WibiData. Сегодня он использует свой талант в качестве технического директора в Zymergen , стартапе, который использует лабораторную робототехнику и машинное обучение для улучшения процесса создания микробов для различных областей, от производства до сельского хозяйства. В..

Новые материалы

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..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


Для любых предложений по сайту: [email protected]