Publikációk a témában 'data-science'
Gauss-féle keverékmodell (GMM) Klaszterezés
A következő legjobb alternatíva a Kmeans korlátainak leküzdésére
szia mindenkinek, hogy vagytok? hasonlóképpen ma bemutatom Önnek a klaszterezés egyik hatékony algoritmusát/modelljét, amelyet röviden Gauss-keverékmodelleknek (GMM) nek neveznek. De előtte először is értsük meg, miért a GMM a következő legjobb klaszterezési modell, összehasonlítva a Kmeans-szel.
Kmeans:
A Kmeans az elvárások maximalizálásaként ismert iteratív megközelítést alkalmazza. EM röviden. Az EM..
A több osztályú naplóvesztés elsajátítása: Átfogó útmutató a gépi tanulási készségek fejlesztéséhez…
A több osztályú naplóveszteség elsajátítása: Átfogó útmutató a gépi tanulási készségek fejlesztéséhez.
Bevezetés:
A gépi tanulás területén az osztályozási problémák gyakran több osztályt érintenek. Az ilyen modellek teljesítményének értékeléséhez szükségünk van egy robusztus és sokoldalú mérőszámra, amely képes több osztályú forgatókönyvek kezelésére. Itt jön képbe a több osztályú naplózási veszteség mérőszáma. Ebben a cikkben mélyen elmélyülünk a Multi-Class Log Loss fortélyaiban,..
Legutóbbi ötletek a Transfer Learning 2023 4. részével kapcsolatban (gépi tanulás)
Feltételes adapterek: Paraméterhatékony transzfertanulás gyors következtetéssel (arXiv)
Szerző: Tao Lei , Junwen Bai , Siddhartha Brahma , Joshua Ainslie , Kenton Lee , Yanqi Zhou , Nan Du , Vincent Y. Zhao , Yuexin Wu , Bo Li , Yu Zhang , Ming-Wei Chang
Absztrakt: Javasoljuk a feltételes adaptert (CoDA), egy paraméter-hatékony átviteli tanulási módszert, amely a következtetések hatékonyságát is javítja. A CoDA a szabványos adapter-megközelítéseken túl általánosít,..
🎙 Random Noise #2 – Örökbefogadás és hit
az analitika íratlan világának gondozása
Szeretné, hogy ezek a frissítések a postaládájába kerüljenek? Iratkozzon fel itt .
"Ha önvezető autókat gyártanak, akkor mi miért ne készíthetnénk önvezető kutakat?"
A gépi tanulás iparosítása a Shellnél
A múlt héten megosztottunk egy „beszélgetést”, amelyet Dan Jeavons tartott a Spark+AI konferencián. Annyira felkeltette az érdeklődésünket, hogy egy kicsit mélyebbre kellett ásnunk. Sam Charrington nemrég interjút készített..
Hogyan működik a vizuális kapcsolatészlelés, 1. rész (gépi tanulás)
Egységes vizuális kapcsolat-észlelés látás- és nyelvi modellekkel (arXiv)
Szerző: Long Zhao , Liangzhe Yuan , Boqing Gong , Yin Cui , Florian Schroff , Ming-Hsuan Yang , Hartwig Adam , Ting Liu
Absztrakt: Ez a munka egyetlen vizuális kapcsolatérzékelő betanítására összpontosít, amely előrejelzi a több adatkészletből származó címketerek egyesülését. A különböző adatkészletekre kiterjedő címkék egyesítése kihívást jelenthet a következetlen taxonómiák miatt. A probléma..
Quant Investment & Machine Learning interjúkérdések (1)
Az alábbiakban egy sor kérdést találok olyan webhelyeken, amelyeket mások megosztanak a közelmúltbeli tapasztalataikból. Mennyire hasznosak ezek azoknak, akik az interjúkra készülnek :)
▌Forrás: 72. pont
Kérdés
Ismertesse a véletlenszerű erdők mögötti motivációt! Milyen két módon javítják az egyéni döntéseket…
Új fejlesztések a megmagyarázható mesterséges intelligencia (XAI) 4. részében
A fellángolás előtti spektrális jellemzők azonosítása magyarázható mesterséges intelligencia (arXiv) segítségével
Szerző: Brandon Panos , Lucia Kleint , Jonas Zbinden
Absztrakt: A napkitörések előrejelzése gyakorlati és tudományos jelentőségű; azonban számos, ehhez az előrejelzési feladathoz használt gépi tanulási módszer nem ad fizikai magyarázatot a modell teljesítménye mögött. Két nemrégiben kifejlesztett, magyarázható mesterséges intelligencia technikát használtunk, az..
Új anyagok
A rádiógomb ellenőrzött eseményének használata a jQueryben
Ebben a cikkben látni fogjuk, hogyan kell dolgozni a jquery választógombbal ellenőrzött eseményeivel. A választógombok HTML gombok, amelyek segítenek kiválasztani egyetlen értéket egy csoportból...
Körkörös függőségek megoldása terraformban adatforrásokkal – lépésről lépésre
Mi az a körkörös függőségek
Dolgozzunk egy egyszerű eseten, amikor az SQS-sor és az S3-vödör közötti körkörös függőség problémája van egy egymástól függő címkeérték miatt.
provider..
Miért érdemes elkezdeni a kódolást 2023-ban?
01100011 01101111 01100100 01100101 — beep boop beep boop
Világunk folyamatosan fejlődik a technológia körül, és naponta fejlesztenek új technológiákat a valós problémák megoldására. Amint..
🎙 Random Noise #2 – Örökbefogadás és hit
az analitika íratlan világának gondozása
Szeretné, hogy ezek a frissítések a postaládájába kerüljenek? Iratkozzon fel itt .
"Ha önvezető autókat gyártanak, akkor mi miért ne..
A legrosszabb politika és prediktív modellek májátültetésre jelöltek számára az Egyesült Államokban
A máj (vagy óangolul lifer) az emberi test legnehezebb belső szervére utal, amely csendesen működik a nap 24 órájában.
Mit csinál a máj? 500 feladatot hajt végre a szervezet egészségének..
5 webhely, amely 2022-ben fejleszti front-end fejlesztői készségeit
Frontendmentor.io
A tényleges projektek létrehozásával a Frontendmentor.io segítséget nyújt a front-end kódolási képességeinek fejlesztésében. A kódolást azután kezdheti meg, hogy..
Mikor kell használni a Type-t az interfészhez képest a TypeScriptben?
A TypeScript a JavaScript gépelt szuperkészlete, amely statikus gépelést ad a nyelvhez. Ez megkönnyíti a robusztus és karbantartható kód írását azáltal, hogy a hibákat a fordítási időben..