Публикации по теме 'machine-learning'
Обучение с подкреплением — основы
Каждый из нас за свою жизнь прошел через несколько лет школьного обучения, начиная с детского сада. Все эти годы не менялось одно — экзамены. Кому-то, возможно, удастся их превзойти, кому-то нет. Одни экзамены были тяжелыми, другие нет. Как бы то ни было, были экзамены и результаты, награды и наказания, и цикл повторяется. Процесс обучения с подкреплением также похож на экзамен. На экзамене, если вы хорошо учитесь, вы получите хорошие результаты. Если нет, результаты будут плохими...
Кластеризация ночной жизни города с помощью машинного обучения
Кластеризация ночной жизни города с помощью машинного обучения
Кластеризация KMeans с использованием API Foursquare
Введение
Всем известно, как пандемия Covid-19 опустошила индустрию ночной жизни социальным дистанцированием, блокировками, ношением масок и ранним комендантским часом. Эти места для ночных развлечений были закрыты, потому что они считались второстепенными услугами и местами легкой передачи коронавируса. Теперь, когда центральное правительство и правительство штата в..
Ограничения машинного обучения в кибербезопасности
Как методы машинного обучения (ML) в настоящее время используются в кибербезопасности?
По мере того, как количество данных, создаваемых ежедневно, увеличивается (уже предположительно составляет 2,5 квадриллиона байтов в день [1]), методы машинного обучения позволяют нам группировать, организовывать и превращать эти данные в полезную информацию. Это особенно верно в сфере кибербезопасности.
Не пугайтесь термина Машинное обучение . На самом деле он просто означает компьютер, который..
Радикальные чтения — 29 июня 2020 г.
Кураторский контент о глубоких технологиях и искусственном интеллекте, который люди в Radical читают и обдумывают. Зарегистрируйтесь здесь , чтобы еженедельно получать Radical Reads прямо в свой почтовый ящик.
1) Бизнес-модели искусственного интеллекта: Почему глобальные компании, занимающиеся искусственным интеллектом, должны быть больше SaaS, чем сервисными услугами (Radical Ventures).
«Когда дело доходит до создания корпоративного программного обеспечения для ИИ, основатели..
Вставьте TensorBoard в окно Google Colab при использовании Google Диска с помощью 2 строк кода
Google Colab предоставляет встроенный блокнот Jupyter, который можно интегрировать с вашим Google Диском для доступа к файлам. Его туз-карта — это бесплатное использование графического процессора (GPU), который в противном случае был бы очень дорогой покупкой, если бы он использовался на вашем локальном компьютере. Он обеспечивает идеальную среду для всех ваших проектов машинного обучения / глубокого обучения.
Tensorboard — это «глаза и уши» обученной модели нейронной сети. Он..
Модели рекомендаций отраслевых представителей
Модели и системы рекомендаций все чаще используются для улучшения взаимодействия с пользователем практически во всех веб-сервисах и мобильных сервисах. Например, поисковые системы используют его для улучшения результатов поиска, веб-сайты электронной коммерции используют его, чтобы рекомендовать пользователям более качественные продукты, платформы потокового видео используйте его, чтобы рекомендовать лучшие фильмы / видео. Мы видели, как рекомендательные системы эволюционировали от..
Career-Con 2019: помогите ориентироваться в роботах
Роботы в наши дни умные, при выполнении определенных задач им нужно принимать мало решений, а что дает им силу мыслить? Датчики, установленные на его теле, процессоры помогают им обрабатывать данные, собранные датчиками. Какие типы решений регулярно принимают роботы и как это помогает роботу? Таким образом, решение может быть любого типа, например, какая скорость будет хорошей, когда задействовать тормоза, когда остановиться, как избежать столкновения и когда увеличить или уменьшить..
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..