Публикации по теме 'python'
Временные различия с Python — «Первый алгоритм обучения с подкреплением на основе образцов»
Кодирование и понимание алгоритма TD(0) с использованием Python
Это продолжение моей предыдущей статьи:
Первые шаги в мире обучения с подкреплением с использованием Python Оригинальная реализация на Python того, как найти лучшие места в одном из фундаментальных миров подкрепления… в направлении datascience.com
В этой статье я хочу познакомить читателя с логикой алгоритма на основе примеров в Reinforcement Learning ( RL ). Для..
Как оценить вашу модель машинного обучения
Отладка алгоритма обучения
Что нам делать после того, как мы подгоним нашу модель машинного обучения к данным? Очевидно, нам нужно оценить его и понять, работает он или нет, и, особенно в последнем случае, внести некоторые изменения для его улучшения.
В этом случае нам нужно отладить наш алгоритм, но с чего начать?
Эта статья представляет собой отрывок из более сложного и полного курса по машинному обучению профессора Стэнфордского университета Эндрю Н.Г. Курс доступен на Coursera..
Чтение больших наборов данных с помощью панд
В области науки о данных мы можем столкнуться со сценариями, когда нам нужно прочитать большой набор данных, размер которого превышает размер системной памяти. В этом случае вашей системе не хватит RAM / памяти при чтении такого огромного количества данных. Это также может привести к завершению работы ядра в ноутбуке jupyter или к сбою системы. Чтобы избежать таких сценариев, есть несколько довольно хороших методов, которые помогут нам читать большие наборы данных.
Для любого..
Руководство для начинающих по базе данных NebulaGraph
База данных графов с открытым исходным кодом для поиска информации
Прочитав эту статью, вы узнаете об основных концепциях NebulaGraph, графической базы данных с открытым исходным кодом. Судя по официальной документации, NebulaGraph
«…распределенная, быстрая графовая база данных с открытым исходным кодом, отличающаяся горизонтальной масштабируемостью и высокой доступностью. Это база данных, которая специализируется на хранении обширных графовых сетей и извлечении из них информации»...
Ускорение обучения модели: многопроцессорность
Я потратил около 50 часов на обучение моделей XGBoost на своем ноутбуке, так что вам это не нужно!
Введение
Недавно я работал над проектом по ускорению обучения больших языковых моделей и решил написать об этом эксперименте в серии постов в блоге.
В этом посте я оценил время, необходимое для обучения классификатора XGBoost с оболочкой scikit-learn на 20 группах новостей наборе текстовых данных . Для этого я обучил модель 50 раз на одном, 4 и 8 ядрах ЦП, используя методы..
Анонс PyCaret 3.0 — библиотеки машинного обучения с открытым исходным кодом и минимальным кодом на Python.
Изучение последних улучшений и функций PyCaret 3.0
В этой статье:
Введение Модуль прогнозирования стабильных временных рядов Новый объектно-ориентированный API Дополнительные параметры для регистрации экспериментов Рефакторинг модуля предварительной обработки Совместимость с последней версией sklearn Распределенное параллельное обучение модели Ускорьте обучение модели на ЦП RIP: модуль НЛП и правил Больше информации Авторы
Введение
PyCaret — это библиотека машинного..
С чего начать изучение Python? Простой способ
Python — один из самых популярных языков программирования в мире, и нетрудно понять, почему. Это универсальный язык, который можно использовать для самых разных приложений, от простых сценариев до сложного анализа данных и веб-разработки. Если вы новичок в программировании и хотите начать изучать Python, это может показаться сложным, но не волнуйтесь, это не так сложно, как кажется! В этой статье мы рассмотрим шаги, которые необходимо предпринять, чтобы начать изучение Python простым..
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..