Публикации по теме 'towards-data-science'
Пользовательский опыт с машинным обучением
Машинное обучение известно своими трудностями с интерпретируемостью или, скорее, своим отсутствием. Это проблема, если вашим пользователям приходится работать с числовым выводом, как в системах, используемых в продажах, трейдинге или маркетинге. Если пользователь интерпретирует результаты машинного обучения неверно, фактические показатели не будут иметь значения, и вы получите плохой пользовательский опыт. Проблема еще больше, если вы попытаетесь переключить пользователей со старого..
Удалось ли Google Duplex пройти тест Тьюринга? Да и нет.
Google представила AI, который может делать заказы по телефону. Был ли наконец пройден тест Тьюринга?
Несмотря на то, что достижения Google в области голосового ИИ являются новаторскими, есть две причины (на мой взгляд), почему Google AI не прошел тест Тьюринга. Однако есть и хорошие новости.
Если вам понравилась статья и вы хотите поделиться своими мыслями, задать вопросы или оставаться на связи, не стесняйтесь связаться со мной через LinkedIn .
Что такое Google Duplex?
На..
Глубокое обучение и почвоведение - Часть 2
Цифровое картирование почв с использованием контекстной пространственной информации
Это вторая статья из серии, которую я посвящаю использованию глубокого обучения в почвоведении. Это продолжающаяся серия, и на данный момент она также включает:
Глубокое обучение и почвоведение - Часть 1 Спектроскопия почвы для прогнозирования свойств почвы. Многозадачная сверточная нейронная сеть для прогнозирования различных свойств почвы на основе спектрограмм...
Возможности Art of Engineering для сильной модели машинного обучения
Самый важный процесс для любой проблемы науки о данных, который вам следует изучить.
Что вы узнаете?
Развивайте навыки критического мышления, необходимые для проектирования функций Разработка функций для алгоритма борьбы с отмыванием денег
Вступление
Разработка функций? [1]
Функция - это числовое представление необработанных данных. В структурированных данных это независимые переменные, от которых зависит одна из переменных. Функции, которые уже присутствуют в наборе..
Машинное обучение с нуля: часть 4
Функции и классификация
Оглавление
Часть 1: Атрибуты и закономерности Часть 2: Сборники и данные Часть 3: Массивы и представления Часть 4: Функции и классификация
Список изменений: я добавил несколько предложений к обсуждению наборов в части 2.
В измененном тексте упоминается, что наборы обозначаются заглавными буквами, особенно S , в то время как строчные буквы используются для элементов набора. Например, мы можем обозначить набор основных вкусов мороженого, {ваниль,..
Красивые презентации Data Science
Введение в создание визуально привлекательных слайдов PowerPoint.
Обзор
Целевая аудитория этого короткого сообщения в блоге - это те, кто заинтересован в составлении презентаций для трех разных целей: комплект продаж, последовательность операций и аналитический отчет. Конечно, ключевая идея этого поста не ограничивается только проектами в области науки о данных, поэтому кто-то из других областей также может счесть ее полезной.
Мы продемонстрируем эту идею с помощью проекта «Данные..
Модели машинного обучения - логистическая регрессия
Введение
Темы, которые будут освещены в этом блоге:
Что такое логистическая регрессия? Почему бы не использовать линейную регрессию Дополнительная информация о логистической регрессии Оценка максимального правдоподобия. Функция затрат в логистической регрессии Градиентный спуск Реализация Python
Чтобы понять логистическую регрессию, необходимо знать о линейной регрессии , о которой мы уже говорили ранее.
Что такое логистическая регрессия?
Логистическая регрессия - это..
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..