Публикации по теме 'towards-data-science'
Как специалисты по данным должны бороться с неопределенностью?
Заинтересованные стороны бизнеса, политики и неспециалисты обращаются к специалистам по данным за четкими рекомендациями, основанными на данных. На самом деле данные часто беспорядочны, а граница между наукой и искусством может (и действительно) становиться размытой.
На этой неделе мы делимся подборкой отличных постов, которые так или иначе касаются вопроса неопределенности и того, как подходить к нему с ясной головой, непредвзятостью и щедрой дозой любопытства.
Узнайте, как..
Построение ИНС с помощью Tensorflow
Пошаговое руководство по созданию нейронной сети с помощью TensorFlow
Если вы новичок в искусственных нейронных сетях, вы можете проверить мой блог «Введение в ИНС» по ссылке ниже.
Введение в искусственные нейронные сети Ваш первый шаг в глубоком обучении кdatascience.com
В этом руководстве мы построим искусственную нейронную сеть на наборе данных Fashion MNIST, который состоит из 70 000 изображений, из которых 60 000 изображений..
Система анализа и предотвращения аварий
1. Введение
1 фон
Представьте, что вы едете на работу. Вы наслаждаетесь поездкой в хорошую погоду, ожидая, чтобы провести время с семьей. Внезапно вы попадаете в сильную пробку. Вы чувствуете раздражение и наблюдаете за ситуацией.
Сразу же вы видите несколько полицейских машин на расстоянии нескольких метров. Наличие машины скорой помощи указывает на бедствие. Что, если бы мы могли разработать систему, которая могла бы предупреждать о беспрецедентном событии, которое должно..
Сентябрьское издание: вероятностное программирование
Ежемесячный выпуск
Сентябрьское издание: вероятностное программирование
Моделирование очень сложного мира вокруг нас
Мы - невероятный вид: мы чрезвычайно интересуемся окружающим миром, любим учиться и часто находим новые способы и инструменты для этого. Одним из таких достижений за последние пару десятилетий стали вычисления. Улучшив архитектуру вычислительных механизмов, мы стали лучше моделировать сложную динамику, перечислять большое количество потенциальных результатов и..
Как создавать определяемые пользователем функции в Python
Улучшите свою игру Python, определив свои собственные функции
Вы когда-нибудь думали: «Хотел бы я, чтобы у Python была функция, которая выполняла ________». Заполнить бланк. Если да, то у меня отличные новости! Python дает вам возможность создавать свои собственные пользовательские функции. Вам нужно понять несколько вещей, но это не так уж и сложно. Итак, приступим.
Пользовательские функции - отличный способ красиво упаковать повторно используемые блоки кода. На самом базовом..
Нейронная сеть с глубоким обучением: сложная или простая модель
Нейронная сеть с глубоким обучением: сложная или простая модель
Недавно я написал блог под названием Обнаружение пневмонии по рентгеновским изображениям с использованием нейронной сети глубокого обучения , где я представил результаты того, что я выбрал как лучшую из 15 различных архитектур моделей, которые я создал для решения задачи бинарной классификации. . Для читателей, не знакомых с этим, это означает, что моя модель предсказывает только 0 или 1 . 0 соответствует..
Понимание того, как школы работают с каноническим корреляционным анализом
Введение в канонический корреляционный анализ с помощью Python
Мы, специалисты по данным, тратим большую часть времени на анализ взаимосвязей и закономерностей в наших данных. Однако большинство наших исследовательских инструментов ориентированы на индивидуальные отношения. Но что, если мы хотим получить более общее представление и найти общие черты и закономерности между определенными группами переменных?
Этот пост включает:
введение в канонический корреляционный анализ,..
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..