Публикации по теме 'python'
Почему Python - это язык программирования будущего?
Что говорят о Python эксперты со всего мира.
Python - это универсальный язык программирования высокого уровня. Он часто используется для машинного обучения и обработки данных, но также имеет множество других применений. Python был разработан с учетом удобства чтения, что упрощает его изучение и использование в крупных проектах. Новички в Python могут быстро освоиться, потому что у него нет того багажа, который есть у некоторых более сложных языков. Он популярен среди новичков из-за..
Введение в менеджеры контекста в Python
Что такое диспетчеры контекста в Python?
На своей работе я недавно узнал о важности использования контекстного менеджера. Мне нужно было создать файл Excel и хранить несколько листов в среде AWS. Сначала я не использовал контекстный менеджер, но через некоторое время обнаружил, что файл сохраняется неправильно, несмотря на то, что делал это дважды в предыдущие месяцы.
Что такое менеджеры контекста?
Контекстные менеджеры позволяют точно назначать и освобождать ресурсы, когда они..
МАШИННОЕ ОБУЧЕНИЕ -
(английский) Машинное обучение — 1 место
1-е тематическое исследование.
Оглавление
"Введение" Спецификация набора данных Цели Модели Метрика "Инструменты" Методология Исследовательский анализ данных (EDA) Предварительная обработка данных Модели машинного обучения (с оценкой) "Вывод"
Введение
Первый пример, который я покажу, — это самая первая задача, которая потребовала от меня выполнения трех разных алгоритмов машинного обучения для классификации..
Как я начал изучать машинное обучение?
Поверьте, что вы можете, и вы уже на полпути.
— Теодор Рузвельт
«Лучший способ научиться машинному обучению — СДЕЛАТЬ ЭТО».
Честно говоря, когда я впервые услышал слово «Машинное обучение», я понятия не имел, что это такое. Я не был достаточно зрелым, чтобы понимать вещи, гугая об этом, я понял, что это были модные словечки преимущественно в большинстве доменов.
Что заставило меня изучить машинное обучение?
Будучи любопытным и увлеченным изучением технологий, вы должны..
Python — безопасное кодирование: часть 1 (утверждение)
утверждения используются в Python для проверки работоспособности в процессе разработки. Используя утверждение утверждения, программисты могут проверить правильность своего кода, проверяя, остаются ли некоторые условия истинными. Однако мы никогда не должны использовать утверждения для проверки данных, обработки ошибок, тестирования безопасности и многого другого. ( https://realpython.com/python-assert-statement/ ).
Причина этого в том, что утверждения удаляются при выполнении оптимизаций..
Обработка несбалансированных данных — «Машинное обучение, компьютерное зрение и НЛП» — «Проектирование кода»
Эта статья была опубликована в рамках Блогатона по науке о данных .
Введение:
В реальном мире данные, которые мы собираем, большую часть времени будут сильно несбалансированными. Итак, что такое несбалансированный набор данных? Обучающие выборки неравномерно распределены по целевым классам. Например, если мы возьмем случай с классификацией личных кредитов, получить данные «не утверждено» не составит труда, в отличие от «утвержденных» деталей. В результате модель более предвзято..
Курс 2_неделя 5: Словари
Опять же, я думал, что потерплю неудачу… все становилось все сложнее, когда я узнавал что-то новое.
«Словари похожи на списки, за исключением того, что они используют ключи вместо чисел для поиска значений». Чтобы подсчитать наиболее часто встречающиеся слова в файле, мы сделаем:
Сделать словарь с помощью dict() Введите текст, используя input() и open() Sprit строки текста (Split возвращает нам список), используя .split() Прокрутите список, используя цикл for Пройдитесь по..
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..