Публикации по теме 'machine-learning'
Тенденции рынка искусственного интеллекта (ИИ) — «Расширение использования машинного обучения в BFSI и…
Концепция искусственного интеллекта уже давно вызывает восхищение. По сути, симуляция человеческого интеллекта, встроенного в машины, которые созданы для того, чтобы думать и работать как человеческий мозг, одновременно имитируя аналогичные действия, ИИ произвел революцию во всем мире. Что заставило рынок ИИ набрать обороты за последние несколько лет, так это концептуальная интерпретация предмета, изображенного в высокобюджетных фильмах и романах. Эти иллюстрации создают искусственный..
Аннотатор: позиция, о которой вы, возможно, никогда не слышали
Что приходит вам в голову, когда вы слышите слово «аннотатор»? … Верно, не многие знают. Вот почему я пытаюсь написать эту историю в надежде, что многие из вас могут узнать больше о Data Annotator.
Все началось в начале февраля 2019 года. В последний семестр я писал дипломную работу. Я искал возможность стажировки на портале вакансий, когда наткнулся на одну должность в Warung Pintar под названием «Стажировка аннотатора».
К счастью, требования к этой работе идеально подходят для..
7 типов цифровых идей, которые стоит включить в следующую презентацию
В: Разве это не обман? О: Вы делаете ставку.
Реклама всегда была наполнена узорами. Включите телевизор, и вы снова и снова увидите одни и те же концептуальные приемы. Потому что, честно говоря, они работают.
«Создайте персонажа»
«Преувеличивайте пользу»
«Расскажите историю происхождения»
У этого списка нет конца. Deck of Brilliance хорошо их покрыла. Так поступили и Стартеры . Теперь, спустя почти 20 лет после новаторской работы Криспина Subservient Chicken ,..
Учебное пособие по API Codeq NLP
Часть 7. Подведение итогов
Codeq's NLP API включает в себя модули суммирования текста, которые могут помочь вам определить наиболее релевантный контент из текстов. В этом уроке мы подробно расскажем, как использовать модули, связанные с обобщением текста, сжатием предложений и извлечением ключевых фраз.
Предыдущие уроки можно найти здесь:
Часть 1. Начало работы и отправка запросов к API. Часть 2. Вызов аннотаторов НЛП для лингвистического анализа . Часть 3. Использование..
Создание MVP с помощью PWA: быстрее, дешевле и успешнее.
У вас есть решение проблемы. Вы достаточно уверены в своей бизнес-модели. Вы хотите сделать приложение, которое разрушит общество быстрее и осмысленно. Но что сделать в первую очередь? Родное iOS или Android, гибридное или веб-приложение, все они или просто выберите одно? Как максимально быстро выпустить ваше приложение на рынок с меньшими затратами? Мы здесь, чтобы помочь. Но сначала немного контекста, который поможет вам прочитать эту статью.
Минимально жизнеспособный продукт..
Отличные результаты по классификации аудио с библиотекой fastai
Последняя версия курса Джереми Ховарда fast.ai глубокое обучение для программистов только началась. Он использует новую библиотеку fastai, созданную на основе PyTorch, и позволяет очень легко получать отличные результаты с минимальными усилиями при выполнении ряда различных задач.
Джереми показывает, что fastai чрезвычайно эффективен при классификации изображений, содержащих повседневные вещи, такие как разные породы домашних животных, но как насчет чего-то менее ImageNet-y, например..
Понимание предвзятости и дисперсии в отношении функций в обучении с учителем
Понимание предвзятости и дисперсии в отношении функций в обучении с учителем
Уравновешивание предвзятости и дисперсии при подборе моделей является серьезной проблемой в обучении с учителем. Высокий уровень дисперсии присутствует, когда модель слишком точно имитирует обучающие данные, что может помешать ее способности обобщать невидимые данные. Это называется переоснащением. Когда модель является очень общей и чрезмерно простой (недостаточно приспособленной), результатом является более..
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..