Publikációk a témában 'machine-learning'
Személyre szabott megközelítés az adattudományi interjúkhoz, lépésről lépésre — Hogyan léptem be az adattudományi területre
Teljes útmutató a toborzóhívásokról, a munkaerő-felvételi menedzserek technikai interjúiról, valamint arról, hogyan szánjon egy kis időt a válaszok személyre szabására az egyes vállalatok számára.
Korábban végigjártam az adattudományi szerepkörök 2 pillérét: a statisztikát és a programozási ismereteket, valamint azt, hogyan készülj fel a pályára való belépésre a 2 pillérben szerzett szaktudásod alapján. ("Link on Medium Towards Data Science").
Ebben a cikkben bemutatom, mire..
Bevezetés a K-Means klaszterezésbe
Az "Utolsó megjegyzésem" azt vizsgálta, hogyan használhatók a neurális hálózatok "osztályozási modellekhez". Ezen a héten eltekintünk a felügyelt tanulástól (amely az utolsó 7 jegyzet középpontjában állt), és megvizsgáljuk a „ felügyelet nélküli tanulás” egy sajátos típusát, az úgynevezett K-közepű klaszterezést.
Mi az a K-Means klaszterezés?
A K-means klaszterezés egy nagyon egyszerű algoritmus, amely egy adathalmazt K számú csoportra szegmentál.
Hogyan működik a K-Means?
A..
ResNet50
A ResNet-50 egy 50 réteg mélységű konvolúciós neurális hálózat. A ResNet, a Residual Networks rövidítése egy klasszikus neurális hálózat, amelyet számos számítógépes látási feladat gerinceként használnak. A ResNet alapvető áttörése az volt, hogy rendkívül mély, több mint 150 rétegű neurális hálózatokat tanítottunk. Ez egy innovatív neurális hálózat, amelyet először Kaiming He, Xiangyu Zhang, Shaoqing Ren és Jian Sun mutatott be 2015-ös számítógépes látással kapcsolatos kutatási..
ZeroRPC ML-modell bevezetése
ZeroRPC szolgáltatás használata ML-modell üzembe helyezéséhez
Ez a blogbejegyzés a három korábbi blogbejegyzésben elkezdett ötletekre épít.
Ebben a blogbejegyzésben bemutatom, hogyan telepíthetjük ugyanazt az ML-modellt, amelyet kötegelt munkaként ebben a blogbejegyzésben , feladatsorként ebben a blogbejegyzésben , egy AWS lambdán belül ebben a blogbejegyzésben , Kafka streaming alkalmazásként ebben a blogbejegyzésben , gRPC szolgáltatásként ebben a blogbejegyzésben ,..
Utazásom gépi tanulási gyakornokként a Prodigy InfoTechnél
Bevezetés
A Prodigy InfoTech gépi tanulási gyakornokként való gyakornoki utam izgalmas és tanulságos élmény volt. A szakmai gyakorlatom során lehetőségem nyílt olyan változatos projekteken dolgozni, amelyek a gépi tanulás területén bővítették tudásomat és készségeimet. Ebben a blogban szeretném megosztani a Prodigy InfoTech-nél szerzett gazdagító tapasztalataimat, a befejezett projektjeimet és az út során tanult felbecsülhetetlen értékű leckéket.
Prodigy InfoTech: A tanulás központja..
A gépi tanulás használata valós problémák megoldására
Tíz hét múlva a „Lambda Iskola” tapasztalatom, és befejeztünk egy teljes körű gépi tanulási projektet. A projektet egy hetes Kaggle versenyként hoztuk létre osztályunkon belül, a „DrivenData.org” tanzániai vízszivattyú adatainak felhasználásával. Célunk egy olyan osztályozási modell felépítése volt, amely a megadott adatok alapján megjósolja, hogy a vízszivattyúk működőképesek, működőképesek, javításra szorulnak-e vagy nem működőképesek.
Ez a projekt tesztelte az eddig megszerzett..
Bevezetés az egyszerű lineáris regressziós modellezésbe python segítségével
Ezek a cikkek a Michigani Egyetemen, a Datacamp-en, a Coursera-n és a LinkedIn-en stb. végzett posztgraduális programom során végzett tanulási utam részét képezik. Hasonló cikkeimet és további történeteimet a linkedin profilomban találja. Elérhető vagyok a kaggle és github -nál. Köszönjük motivációját, támogatását és értékes visszajelzését.
Ebben a cikkben megismerjük ennek a népszerű statisztikai modellnek a Regresszió alapjait, mi a regresszió, és miben különböznek a lineáris..
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..