Publikációk a témában 'deep-learning'
Gépi tanulás vs Deep Learning vs mesterséges intelligencia
Nagyon gyakori, hogy szinte mindenki nem ismeri a különbséget a gépi tanulás , a mély tanulás és a mesterséges intelligencia (AI) között. a technológiai tanulás azt hiszi, hogy mindhárom dolog ugyanaz. Nem csak ez, gyakran alternatív megoldásként a gépi tanulás szót használjuk a mély tanulás helyett, és úgy viszonyulunk az AI szóhoz, hogy nem ismerjük a három tényleges definícióját. Nos, most tisztázzuk ezt a zavart.
Tartalomjegyzék
"Mi valójában a gépi tanulás?" „Áss egy kicsit..
A természetes nyelvi feldolgozás (NLP) evolúciója: utazás 1940-től napjainkig!! 1. rész
Kezdjük az NLP standard definíciójával – A nyelvészet, a számítástechnika és a mesterséges intelligencia egy részterülete, amely a számítógépek és az emberi nyelvek közötti kölcsönhatásokkal foglalkozik, különös tekintettel arra, hogyan kell programozni a számítógépeket nagy mennyiségű természetes nyelvi adat feldolgozására és elemzésére. .(forrás: Wikipédia)
Az NLP mögött meghúzódó fő téma a számítógépek nyelvének tanítása, nem kódoló nyelvek, hanem emberi nyelvek. Az ötlet az,..
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..
Aurélien Géron Deep Learning gyorstanfolyam és bónuszinterjú (1/3. rész)
Június 26-án lezárult a Introduction to Deep Learning and TensorFlow gyorstanfolyam új szekciója. Ez az intenzív kurzus, amelyet Aurélien Géron, a „Kézi gyakorlati gépi tanulás a Scikit-Learn and TensorFlow-val” című, legkelendőbb könyv szerzője tartott, három napban összesíti, hogy mit kell tudni a következőkről:
A mély tanulás (DL) alapjai a TensorFlow 2.0 és a Keras segítségével, Konvolúciós neurális hálózatok (CNN) és Ismétlődő neurális hálózatok (RNN).
Ez a második..
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)..
Magabiztossági korlátok használata a gépi tanulásban, 2. rész
Egyéni jóléti elemzés: véletlenszerű kvázilineáris hasznosság, függetlenség és bizalom határai (arXiv)
Szerző: Junlong Feng , Sokbae Lee
Absztrakt: Bemutatunk egy új keretet az egyén szintű jóléti elemzéshez. A folyamatos kereslet parametrikus modelljére épít egy kvázilineáris hasznosságfüggvénnyel, lehetővé téve a nem megfigyelhető egyedi termékszintű preferencia sokkokat. A feltételezett áremelésből adódó egyéni szintű fogyasztói jóléti veszteségre bármely konfidenciaszinten..
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..