Публикации по теме 'machine-learning'
Решение проблем регрессии с машинным обучением на javascript с помощью savage.io
Привет, ребята, добро пожаловать во вторую часть моего машинного обучения с помощью javascript, поэтому сегодня мы продолжаем наш учебник по машинному обучению javascript, если вы пропустили наш последний пост, пожалуйста, ознакомьтесь с этим постом .
Итак, сегодня мы решаем проблему регрессии, в отличие от классификации, которая классифицирует входные данные, мы будем генерировать выходные данные на основе количества.
Нашим набором данных будут финансовые данные, и мы хотели бы..
Машинное обучение в области медицины
Последние 2 года мир переживает эпоху пандемии из-за Covid-19. Хотя сейчас условия стали лучше, все же появляются новые варианты Covid. Врачи круглосуточно работают над решением этой проблемы. Помимо Ковида, есть и другие заболевания, для лечения которых нужны врачи, но может ли быть решение, облегчающее задачу врачей? Да, есть машинное обучение. Но что такое МЛ? и как это можно использовать в медицине?
Проще говоря, машинное обучение — это тип искусственного интеллекта, в котором..
4 важных мягких навыка для практиков в области науки о данных и машинного обучения
4 важных мягких навыка для практиков в области науки о данных и машинного обучения
Эффективное общение, документация, презентации и непрерывное обучение
Чтобы быть эффективным специалистом по науке о данных или машинному обучению, важно обладать некоторыми мягкими навыками, помимо технических знаний библиотек, фреймворков и алгоритмов.
Эффективное общение
Вы поговорите с заинтересованными сторонами из разных команд, чтобы собрать требования и результаты. Вы будете работать с..
Преобразование модели обнаружения звука YAMNet для вывода TensorFlow Lite
Что касается машинного обучения в области акустики, большинство современных моделей основаны на распознавании шаблонов в спектрограммах с помощью сверточных нейронных сетей (CNN). В Rainforest Connection мы используем CNN для обнаружения звука бензопил, транспортных средств и других потенциально незаконных действий в тропических лесах и других охраняемых территориях. Хотя логические выводы в настоящее время выполняются на серверах в облаке, мы очень рады возможности вывода на периферии..
Понимание того, как школы работают с каноническим корреляционным анализом
Введение в канонический корреляционный анализ с помощью Python
Мы, специалисты по данным, тратим большую часть времени на анализ взаимосвязей и закономерностей в наших данных. Однако большинство наших исследовательских инструментов ориентированы на индивидуальные отношения. Но что, если мы хотим получить более общее представление и найти общие черты и закономерности между определенными группами переменных?
Этот пост включает:
введение в канонический корреляционный анализ,..
Масштабирование науки о данных в Swiggy: история DSP
В соавторстве с Сиддхант Шривастава . Наконечник шляпы Свигги квасцу Пратюш Шарма
В Swiggy мы стремимся быть гиперлокальной удобной платформой на основе ИИ, которая создает беспроблемные и приятные впечатления для наших клиентов. С этой целью мы постоянно инвестируем в наши возможности AI / ML, включая, помимо прочего, людей, процессы и инфраструктуру. В частности, мы создали внутреннюю платформу для развертывания и оркестровки машинного обучения, которая позволяет специалистам..
Скринеры машинного обучения для торговли акциями
Введение
Я работал в количественном хедж-фонде в течение пяти лет. За это время ML/AI стали все больше и больше присутствовать в отрасли. В рамках пилотного проекта я занимаюсь Fanyuan Investment Management и Pan-Origins LLC, а также частью деятельности Udacity Data Science Nano Degree, на которую я зачислен; Я создал веб-приложение, которое позволяет проводить точное тестирование торговой стратегии с широкими возможностями настройки. Во время работы над функцией оптимизации..
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..