Публикации по теме 'ml-so-good'
Кластеризация K-средних
Сегментация изображения на кластеры.
Алгоритмы кластеризации — это тип алгоритмов обучения без учителя, широко используемый для выполнения исследовательского анализа данных без использования целевых меток или когда мы просто хотим разделить набор данных на несколько кластеров. В дополнение к типичным сценариям анализа данных, обычно встречающимся в большинстве задач по науке о данных, оказывается, что алгоритмы кластеризации также используются в других областях, таких как компьютерное..
Огромные роли белков и то, как искусственный интеллект помогает находить новые
От ДНК и гормонов до сельскохозяйственных и промышленных материалов белки играют решающую роль в нашей жизни, и как одна компания использует ИИ для открытия новых белков, которые могут изменить мир.
белок
Большинство из нас знает белок из своего рациона, но что это такое?
Белки — это то, что происходит, когда вы объединяете различные аминокислоты вместе, чтобы сформировать белок. В зависимости от типов аминокислот и порядка их построения у нас может быть много разных белков с..
Полиномиальная логистическая регрессия
Полиномиальная логистическая регрессия
говоря о концепции логистической регрессии и реализации логистической функции для реальной простой задачи классификации
Привет народ!
В этой статье речь пойдет об одной из самых полезных регрессионных моделей для задач классификации .
Прежде чем углубляться в понятия, давайте начнем с обычного вопроса!
Представьте, что вы решили пойти на пикник, и первый вопрос, который вы зададите себе, это как погода , потому что, если она будет..
60 уроков, извлеченных из моего конкурса #92DaysofDataAnalytics
Сегодня я подумал, что найду время, чтобы подумать о моих последних 13 неделях моего челленджа #92DaysofDataAnalytics. Во-первых, давайте пройдемся по небольшому фону. У меня есть степень бакалавра психологии. Как я создал #92DaysofDataAnalytics? Я закончил трехмесячный учебный курс по анализу данных в октябре 2021 года и хотел выработать новую привычку, которая поможет мне оставаться последовательным в изучении анализа данных. Так родился #92DaysofDataAnalytics.
Моя цель в этой статье..
DatRet: реализация Tensorflow для структурированных табличных данных
Мой проект с открытым исходным кодом
Простая реализация архитектуры глубокой нейронной сети для табличных данных с настраиваемой генерацией слоев и послойным увеличением количества нейронов. Использование аналогичного классического метода машинного обучения.
В этой статье мы обсудим, зачем нужна эта библиотека, проведем «учебник» и сравним точность предсказания DatRetClassifier и DatRetRegressor с созданием классических методов машинного обучения.
Введение
Для..
Резюме «На пути к прогнозированию использования графического процессора для облачного глубокого обучения»
Введение
Глубокое обучение оказало значительное влияние на многие области вычислительной техники. Эти рабочие нагрузки требуют высоких требований к вычислительным ресурсам/памяти. Графические процессоры (GPU) являются основными ускорителями для облегчения их выполнения. Текущая проблема — недостаточное использование этих процессоров в кластерах. Это связано с отсутствием возможности точного совместного использования и виртуальной памяти в графических процессорах, а также с политиками,..
ELU Замена ReLU?
Недавно я нашел исследовательскую работу, которая повысила эффективность модели за счет использования функции активации ELU вместо функции ReLU. В этом блоге я буду исследовать новую функцию ELU. Я также сделал записную книжку на Kaggle, чтобы продемонстрировать работу функции ELU с помощью кода и интерактивного сюжета.
Создание графика ELU fu Исследуйте и запускайте код машинного обучения с помощью Kaggle Notebooks | Использование данных из источников данных..
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..