Публикации по теме 'data-visualization'
Бесплатный Гарвардский курс по визуализации данных
Визуализация – это простой и эффективный способ извлечения информации из данных. Вот бесплатный курс Гарвардского университета для овладения навыками визуализации данных.
Визуальные инструменты являются мощными инструментами почти во всех областях науки. С точки зрения специалиста по данным, это помогает находить выбросы, визуализировать тенденции и кластеры или определять пропущенные значения.
Использование возможностей паркета с Pandas
Использование возможностей паркета с Pandas
В области хранения и анализа данных эффективность и производительность являются ключевыми факторами для успешных приложений, управляемых данными. Parquet, столбчатый формат хранения, приобрел популярность благодаря своей способности оптимизировать хранение и ускорить обработку данных. В этой статье мы рассмотрим, как использовать возможности Parquet с помощью pandas, популярной библиотеки для обработки данных в Python. Мы углубимся в..
Влияние выбросов на набор данных
Прежде чем понять влияние выбросов, нам нужно понять термин «выбросы».
предположим, что мы дали набор данных (только для понимания цели) data=[1,1,2,2,2,2,3,3,3,4,4,400], мы можем четко определить нечетный, который является нашим выбросом, который составляет 400. На словах мы можем определить наш выброс как экстремальное значение, которое выходит за пределы нашего общего наблюдения за набором данных (который выделяется среди других)
Удаление выбросов является важной частью..
Как работает пространственно-временной прогноз, часть 7 (машинное обучение)
MoDeRNN: на пути к детальным деталям движения для пространственно-временного прогнозирующего обучения (arXiv)
Автор: Цзэнхао Чай , Чжэнчжуо Сюй , Чунь Юань .
Аннотация: Пространственно-временное прогнозирующее обучение (ST-PL) направлено на прогнозирование последующих кадров с помощью ограниченных наблюдаемых последовательностей и имеет широкое применение в реальном мире. Однако изучение репрезентативных пространственно-временных характеристик для прогнозирования является сложной..
6 причин, почему вы должны изучать Python в 2023 году
Python — это мощный и универсальный язык программирования, который широко используется во многих областях: от веб-разработки до науки о данных и искусственного интеллекта. Если вы рассматриваете возможность изучения нового языка программирования, вот несколько причин, по которым вам следует рассмотреть Python.
Простота в освоении: Python известен своим простым и понятным синтаксисом, который облегчает изучение как новичкам, так и опытным программистам. Язык интуитивно понятен и удобен..
Накачать его с помощью CatBoost
Интеллектуальный анализ данных и простая стартовая модель
Введение
Эта статья основана на конкурсе, который компания Driven Data® опубликовала о водяных насосах в Танзании. Информация о конкурсе была получена Министерством водных ресурсов Танзании с использованием платформы с открытым исходным кодом под названием Taarifa. Танзания - самая большая страна в Восточной Африке с населением около 60 миллионов человек. Половина населения не имеет доступа к чистой воде, а 2/3 населения..
Поиск временных паттернов в сообщениях Twitter: исследовательский анализ данных с помощью Python
Кластеризация данных Twitter с помощью Python, K-Means и t-SNE
В статье Что пишут о климате я проанализировал посты в Твиттере с помощью обработки естественного языка, векторизации и кластеризации. С помощью этой техники можно найти отдельные группы в неструктурированных текстовых данных, например, извлечь сообщения о таянии льда или об электротранспорте из тысяч твитов о климате. При обработке этих данных возник другой вопрос: а что, если применить тот же алгоритм не к самим..
Новые материалы
Как развивается смешанно-целочисленное программирование, часть 7
Унифицированная техника раннего завершения для первично-двойственных алгоритмов в смешанно-целочисленном коническом программировании (arXiv)
Автор : Ювэнь Чэнь , Кэтрин Нин , Поль Гулар..
Как научить модель Keras распознавать текст переменной длины
Я некоторое время играл с официальным примером Keras image_ocr.py и хочу поделиться своими выводами в этом посте.
В официальном примере выполняется только обучение модели, но отсутствует..
Практическая пакетная нормализация
История начинается после использования инициализации He вместе с ELU (или любым вариантом ReLU) может значительно снизить опасность проблем с исчезающими/взрывающимися градиентами в начале..
Поэзия онлайн-кодирования: путешествие пикселей и страсти
В мире, наполненном инновациями, онлайн-обучение программированию становится холстом, на котором обретает форму полотно вашей мечты. Это больше, чем просто создание строк кода; это сродни..
Обработка изображений с помощью Python - размытие и повышение резкости для начинающих
Как применить ядра свертки к цветным изображениям?
В этой статье мы обсудим, как применять ядра размытия и повышения резкости к изображениям. Эти базовые ядра составляют основу многих более..
Ограничение скорости в .NET Core 7 Web API
Что такое ограничение скорости?
Ограничение скорости — это процесс, используемый для ограничения количества запросов, разрешенных для определенного ресурса в указанном временном окне. .NET..
Стабильная Diffusion 1.0 выдаёт более красивые картинки, чем SD 2.1?! Почему?
Удивительные открытия, которые я сделал недавно. Смотрите в видео: https://youtu.be/PakgD6FewoU
Есть одно логичное объяснение — что у вас?