Публикации по теме 'towards-data-science'
Тесла ИИ
Видение Илона Маска состоит в том, чтобы превратить Tesla из компании, производящей электромобили, в компанию, занимающуюся робототехникой, и день Tesla AI Day демонстрирует его приверженность своему видению.
Tesla - одна из крупнейших автомобильных компаний, и благодаря своим исследованиям и внедрению искусственного интеллекта в свои автомобили (Self Driving System) они в такой же степени разрабатывают программное обеспечение, как и автомобильная компания. Tesla как компания глубоко..
Начало работы с Conda
Только основы. Что такое Конда? Почему вам следует использовать Conda? Как установить Conda?
Что такое Конда?
Conda - это система управления пакетами и средой с открытым исходным кодом, работающая в Windows, Mac OS и Linux.
Conda может быстро устанавливать, запускать и обновлять пакеты и связанные с ними зависимости. Conda может создавать, сохранять, загружать и переключаться между программными средами для конкретных проектов на вашем локальном компьютере. Хотя Conda была..
Автоматизация подбора команды Fantasy Premier League с помощью Python
Если вам интересно создать программу для автоматического выбора вашей команды в Fantasy Premier League (FPL), вы попали в нужное место. В этой статье я покажу, как мы можем использовать исторические данные для автоматизации выбора вашей команды в простой программе Python. Весь процесс доступа к данным, манипулирования ими и выбора команды доступен по этой ссылке .
Но сначала шаг назад ...
Fantasy Premier League - это игра, в которой вам предоставляется бюджет в 100 миллионов на..
На что обращают внимание компании при найме специалистов по данным
В последние годы прием на работу в области науки о данных стал очень конкурентоспособным как для компаний, так и для профессионалов. В связи с Великой перестановкой позиции в области науки о данных пользуются большим спросом, что может принести большую пользу как новым, так и опытным специалистам в области обработки данных. Но чтобы получить работу в такой конкурентной среде, кандидаты должны быть готовы продемонстрировать навыки и знания, которые в настоящее время востребованы. Начать..
Может ли ИИ изменить способ переработки мусора?
Большинство сообщений TDS объединяют теоретический опыт и реальное влияние - будь то краткое руководство или подробное объяснение передовых исследований. На этой неделе вам следует ознакомиться с одним из лучших примеров, которые мы видели в недавней памяти, о проекте, который устраняет разрыв между теорией и применением.
Вы когда-нибудь стояли перед своей мусорной корзиной, не зная, принадлежит ли ей какой-то предмет? Дункан Ван , Арно Гусман-Аннес , Софи Куртеманш-Мартель и Джейк..
Освоение проверки данных с помощью TensorFlow
TensorFlow, популярная библиотека машинного обучения с открытым исходным кодом, предлагает мощный инструмент под названием TensorFlow Data Validation (TFDV) для облегчения проверки и предварительной обработки данных. В этой статье мы углубимся в TFDV и рассмотрим, как его можно использовать для повышения надежности конвейера машинного обучения.
Понимание проверки данных TensorFlow (TFDV)
Проверка данных TensorFlow (TFDV) — это библиотека, разработанная, чтобы помочь вам проверять,..
Как прогнозировать временные ряды с несколькими сезонными факторами
Практический пример использования моделей BATS и TBATS в Python
При работе с временными рядами мы часто сталкиваемся с сезонностью. Сезонность определяется как периодическое изменение в нашей серии. Это цикл, который происходит в течение фиксированного периода в нашей серии. Например, давайте взглянем на набор данных популярных авиакомпаний, показанный ниже.
Здесь мы можем четко видеть сезонный цикл, так как каждый год количество авиапассажиров достигает пика примерно в июле..
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..