Публикации по теме 'machine-learning'
Выбор и подготовка данных блокчейна для проектов машинного обучения
Данные — это основа любой модели машинного обучения. Вот как бороться с предвзятостью, перекрестным загрязнением и нечисловыми входными данными.
Данные — это основа любой модели машинного обучения. Действительно, есть сходство между данными, необходимыми для машинного обучения, и любым другим проектом, ориентированным на данные. Во всех видах проектов руководители высшего звена должны проявлять надлежащий уровень осмотрительности, чтобы гарантировать, что данные надежны,..
Глубокое обучение для классификации временных рядов (InceptionTime)
Новая модель глубокого обучения (похожая на GoogleNet) для классификации временных рядов.
Показатель
Мотивация Машинное обучение для классификации временных рядов Лучшие практики глубокого обучения для классификации временных рядов: InceptionTime Понимание времени начала Заключение
1. Мотивация
Данные временных рядов всегда представляли большой интерес для финансовых служб, и теперь, с появлением приложений реального времени, другие области, такие как розничная торговля и..
Начало работы с машинным обучением за 5 минут
Изучите машинное обучение, создав прогноз цен на жилье в 15 строках кода.
Эта запись в блоге изначально была опубликована на сайте HP Developers.
Машинное обучение здесь, чтобы остаться. Приведет ли это к сингулярности, все еще спекулятивно, однако не следует сомневаться в том, изменит ли это то, как инженеры-программисты решают проблемы. Его уже внедряют многие компании для создания более богатого UX, как с Apple ARKit (крутые примеры на madewitharkit.com ), и для ответов на сложные..
Живые письма: прими позу, получи письмо
Умозрительный инструмент машинного обучения для выразительного текста
Я разочарованный каллиграф. Я увлекся возрождением курсивного почерка, когда был школьником в Англии, но не мог заставить ручку идти туда, куда я хотел. Пришлось прибегнуть к более трудоемким способам изготовления букв . — Мэттью Картер
Скорость и краткость онлайн-текста усугубляют непонимание в современном общении. При написании сообщения на клавиатуре мы можем упустить некоторые тонкости, такие как..
Сервер параметров для распределенного машинного обучения
Вступление
Многие задачи машинного обучения полагаются на большие объемы данных для обучения, а затем для вывода. Крупные интернет-компании тренируются с терабайтами или петабайтами данных и создают на их основе модели. Такие модели состоят из весов, которые в большинстве случаев оптимизируются с учетом ошибок вывода. Количество весов / параметров исчисляется от миллиардов до триллионов. В таких больших моделях невозможно обучение и вывод на одной машине. Полезно иметь структуру,..
Поверьте в ажиотаж налоговых технологий
Инновации в мире - не чуждое понятие, но 2018 год дал технологическим разработкам совершенно новый свет. Налоговая отрасль была более известна переоценкой старых процессов и проблемами, с которыми ее отделы сталкивались, чтобы принять более совершенные системы. Каждый отдел ищет лучшие и новейшие технологии для повышения своей операционной эффективности, начиная с планирования до управленческого анализа и отчетности,
Сейчас налоговым специалистам важно понимать и принимать технологии,..
Мобильные приложения с искусственным интеллектом — Увеличение онлайн-продаж
Персонализация : когда пользователи совершают покупки через свои мобильные устройства, в реальном времени собирается большой объем данных. Каждое использование имеет команды, которые используются с мобильными приложениями. ИИ в интеграции с IoT может затем использовать эти данные для предоставления клиентам расширенного персонализированного опыта.
Расширить параметры поиска . Иногда вам может нравиться продукт, но вы не знаете, как он называется. Визуальный поиск, такой как линза..
Новые материалы
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..
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..