Publikációk a témában 'data-science'
Gépi tanulási mikroszolgáltatás tervezése
Bevezetés
A Machine Learning kutatásában nagy hangsúlyt fektetnek a modellfejlesztésre. Annyira nagy hangsúlyt fektetnek az újszerű architektúrákra, hogy az adatok szinte utólagos gondolatok – és lehet is. Ha olyan szabványosított adatkészlettel dolgozunk, amely alaposan felkészült a gépi tanulási modellek teljesítményértékelésére, akkor nem kell beszélnünk a modelljeink és az adatok közötti interakció kezeléséről.
A való világban ez egy kicsit bonyolultabb. A hangsúly az adatok..
Használja ki a Python-könyvtárak legújabb funkcióit a Google Colaboratory-ban – egyetlen sorral…
Az elmúlt évtized a gépi tanulás, különösen a mélytanulás aranykorszaka volt. Amint rengeteg izgalmas alkalmazás (pl. ChatGPT) megjelent, a mély tanulás iránti érdeklődés valószínűleg csak növekedni fog a következő néhány évben. A kezdők számára azonban, akik hamarosan belépnek ebbe az izgalmas adattudományi világba, az mindig frusztráló, hogy hogyan szerezzenek elegendő számítási erőforrást a naplójuk elindításához – úgy értem, még egy elegendő GPU-val ellátott számítógép beszerzése..
Az elfogultság/variance kompromisszum
Egy modell általánosítási hibája három nagyon különböző hiba összegeként fejezhető ki: torzítás, variancia és irreducible error. Ez a blog bemutatja a torzítás/szórás kompromisszumot és a túlillesztést/alulillesztést.
Elfogultság és eltérés
Az általánosítási hiba torzítása téves feltevésekből adódik. A nagy torzítású modell valószínűleg alul illeszti a képzési adatokat. A szórás abból adódik, hogy a modell túlzottan érzékeny a képzési adatok kis változásaira. A sok szabadságfokkal..
Bevezetés Hierarchikus klaszterezés
Az állami szintű demográfiai adatok szerkezetének feltárása R.-ben
A klaszterezés megpróbálja megtalálni az adatok szerkezetét azáltal, hogy hasonló jellemzőkkel rendelkező adatcsoportokat hoz létre. A leghíresebb klaszterező algoritmus valószínűleg a K-közép, de számos módszer létezik a megfigyelések klaszterezésére. A hierarchikus klaszterezés a klaszterezési algoritmusok egy alternatív osztálya, amely 1–n klasztert hoz létre, ahol n az adatkészletben lévő megfigyelések száma. Ahogy..
Hogyan működnek a grafikus automatikus kódolók, 2. rész (mesterséges intelligencia)
Wasserstein ellentétes szabályosságú gráf automatikus kódolója (arXiv)
Szerző: Huidong Liang , Junbin Gao
Absztrakt : Ez a cikk bemutatja a Wasserstein Adversarially Regularised Graph Autoencoder (WARGA) egy implicit generatív algoritmust, amely a Wasserstein-metrikán keresztül közvetlenül szabályozza a csomópont-beágyazás látens eloszlását a céleloszláshoz. A javasolt módszer validálásra került a valós világ gráfokon történő kapcsolat-előrejelzési és..
A Feature Selection 1. rész (mesterséges intelligencia) használatának megértése
1. Méretezhető mRMR funkció kiválasztása a nagy dimenziós adatkészletek kezelésére: Függőleges particionáláson alapuló Iteratív MapReduce keretrendszer ( arXiv )
Szerző : Yelleti Vivek , P. S. V. S. Sai Prasad
Absztrakt : A gépi tanulási modellek építése során a jellemzőválasztás (FS) kiemelkedik az adatok bizonytalanságának és homályosságának kezelésére szolgáló alapvető előfeldolgozási lépésként. A közelmúltban a minimális redundancia és maximális relevancia (mRMR)..
Ok-okozati következtetések felmérése a Netflixnél
A Netflixnél azáltal szeretnénk szórakoztatni a világot, hogy vonzó tartalmat készítünk, és segítünk a tagoknak felfedezni azokat a címeket, amelyeket imádni fognak. Ennek kulcsa az ok-okozati hatások megértése, amelyek összekapcsolják a termékben végrehajtott változtatásainkat a tagok örömének mutatóival.
Az ok-okozati hatások méréséhez nagymértékben támaszkodunk az „AB-tesztelésre”, de a „kvázi-kísérletezést” is kihasználjuk olyan esetekben, amikor az AB-tesztelés korlátozott. A Netflix..
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..