Публикации по теме 'machine-learning'
Байесовская петля
В следующих нескольких статьях мы рассмотрим часто упускаемую из виду сверхспособность современных рекомендательных систем: наивные модели.
Самый простой алгоритм обучения
В старших классах вы могли столкнуться с интригующими головоломками, такими как задача Монти-Холла, которая включала манипулирование условными вероятностями. Но по своей сути формула Байеса довольно интуитивна:
Вы придерживаетесь мнения о мире? Когда появляются новые доказательства, что вы можете сделать?..
Есть простая причина, по которой бренды DTC не достигают цели
Есть простая причина, по которой бренды DTC не достигают цели
Сейсмический переход от брендов, продающих через различные каналы, к прямым продажам потребителю происходит в полной мере, и он радикально меняет ландшафт розничной торговли. Однако революция DTC не полностью оправдывает ожидания клиентов, что является большой проблемой для тех, кто рассчитывает на ее успех.
Каждый год предприятия теряют 75 миллиардов долларов дохода от клиентов, которые переключаются на другой бренд из-за..
Статистическое моделирование данных временных рядов. Часть 3: Прогнозирование стационарных временных рядов с использованием SARIMA.
Визуализация данных
Статистическое моделирование данных временных рядов. Часть 3: Прогнозирование стационарных временных рядов с использованием SARIMA.
В этой серии статей рыночный индекс S&P 500 анализируется с использованием популярной статистической модели: SARIMA (интегрированная сезонная авторегрессионная скользящая средняя) и GARCH (обобщенная авторегрессионная условная гетероскедастичность).
В первой части серия была удалена из yfinance API на python. Он был очищен и..
Сценарии: какое машинное обучение (ML) выбрать?
Основываясь на вопросе Какую диаграмму выбрать «[1] , которая поможет вам выбрать правильную диаграмму для ваших данных, мы разработали идею диаграммы Какое машинное обучение (ML) выбрать?
Прежде чем мы представим блок-схему «Какое машинное обучение (ML) выбрать?» давайте взглянем на общую картину и увеличим шаги, которыми эта блок-схема может помочь вам в выборе машинного обучения для решения бизнес-задачи.
Решив проблему и найдя ее решение, вы можете выполнить следующие шаги:..
Временные различия с Python — «Первый алгоритм обучения с подкреплением на основе образцов»
Кодирование и понимание алгоритма TD(0) с использованием Python
Это продолжение моей предыдущей статьи:
Первые шаги в мире обучения с подкреплением с использованием Python Оригинальная реализация на Python того, как найти лучшие места в одном из фундаментальных миров подкрепления… в направлении datascience.com
В этой статье я хочу познакомить читателя с логикой алгоритма на основе примеров в Reinforcement Learning ( RL ). Для..
[Лекция] Как построить систему распознавания (Часть 1): лучшие практики
Привет, мир!
Системы распознавания имеют множество практических приложений. И многие компании нуждаются в создании таких систем для оптимизации своих бизнес-процессов, не только таким гигантам индустрии, как Google , Baidu , Facebook или Dropbox .
Например, в сфере здравоохранения некоторые компании разрабатывают автоматический экстрактор полей для различных форм пациента, включая страховые формы для ввода соответствующих данных в базу данных. Другие компании ориентированы на..
Информационный бюллетень Segna — 28 октября 2021 г.
Что мы читали
ИИ заново изобретает то, что представляют собой компьютеры MIT Tech Review Современные компьютеры меньше и быстрее, чем полвека назад, но они по-прежнему представляют собой коробки с процессорами, выполняющими инструкции. для людей — в этом отношении они принципиально не изменились. Однако искусственный интеллект меняет способы создания компьютеров, их программирования и использования. Последние 40 лет мы занимались программированием компьютеров; в течение..
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..