Публикации по теме 'data'
8 советов и рекомендаций по работе с большими наборами данных в машинном обучении
Основное руководство по оптимизации памяти и кода
Pandas и Scikit-learn - популярные библиотеки в сообществе специалистов по науке о данных, поскольку они обладают высокой производительностью и простыми в использовании структурами и функциями данных. Pandas предоставляет инструменты анализа данных для подготовки и анализа данных. Эти библиотеки хорошо работают, работая с наборами данных в памяти (данными, которые помещаются в ОЗУ), но когда дело доходит до обработки наборов данных..
Оправдывает ли повышенная точность дополнительную сложность модели машинного обучения?
Поскольку вычислительная мощность компьютеров становится дешевле и доступнее, для достижения большей точности все чаще используются сложные алгоритмы машинного обучения.
Однако оправдывает ли повышение точности добавленную сложность?
Чтобы ответить на этот вопрос, я провел небольшой эксперимент. Я обучил и протестировал набор данных Доход взрослых с различными алгоритмами классификации машинного обучения, чтобы наблюдать разницу в AUC (площадь под кривой) и времени, затрачиваемом..
5 статей для чтения по использованию искусственного интеллекта с роботизированной автоматизацией
Управление трафиком с помощью социального робота-гуманоида ( arXiv )
Автор: Фейсал Гаффар
Аннотация . С развитием таких технологий, как искусственный интеллект, машинное обучение и Интернет вещей, стало легко разрабатывать больше роботов-гуманоидов и автоматизировать различные процессы. Интерактивный робот должен иметь высокое социальное поведение, чтобы его могли легко принять люди, использующие его. В этом исследовании мы разработали робота дорожной полиции (TRAPROB) для..
Как подготовить данные для машинного обучения
Подготовка данных к моделированию — один из первых фундаментальных этапов работы с данными
Обучение прогностических моделей требует, чтобы наши данные были в соответствующем формате. Мы не можем передать наш файл .csv модели и ожидать, что она научится правильно обобщать.
В этой статье мы рассмотрим, как подготовить данные для машинного обучения, начиная с конвейера подготовки данных и заканчивая его разделением на наборы для обучения, проверки и тестирования.
Конвейер подготовки..
Работа с полиномиальной регрессией, часть 1 (машинное обучение)
Оптимальный план подвыборки для полиномиальной регрессии (arXiv)
Автор: Торстен Рейтер , Райнер Швабе .
Аннотация: Улучшения в технологии приводят к увеличению доступности больших наборов данных, что делает потребность в сокращении данных и информативных подвыборках еще более важной. В этой статье мы строим D-оптимальные планы подвыборки для полиномиальной регрессии в одной коварианте для инвариантных распределений ковариаты. Мы более внимательно изучаем квадратичную регрессию для..
Банки Digital Next с интеллектуальными платформами на базе AI/ML
Сегодня банки имеют доступ к огромному количеству данных о клиентах, продуктах и операционных данных. Данные поступают из внутренних и внешних источников, включая потоковые данные в реальном времени с датчиков, устройств, мобильных приложений, IoT и корпоративных центров обработки данных. Банки также борются с использованием неструктурированных данных, таких как комментарии, жалобы, электронные письма и т. д., помимо структурированных данных, находящихся в архиве. По мере того, как..
Добавление динамических данных из Javascript на сайты Hype
Hype от Tumult - отличный инструмент для некодеров, позволяющий создавать впечатляющие веб-сайты, особенно если вы ищете что-то довольно динамичное. Для людей, знакомых с AfterEffects или Sketch, его интерфейс очень похож. Hype даже позволяет вам добавлять свои собственные функции javascript, что означает, что вы даже можете создать динамический веб-сайт, подобный CMS, без необходимости знать какой-либо код.
В этом руководстве мы собираемся использовать Hype для динамического обновления..
Новые материалы
Как создать свой AI-аватар бесплатно без программирования
Быстрые шаги, чтобы пройти через StableDiffusion
С появлением ИИ мы видим, что благодаря инициативам OpenAI становится доступным все больше и больше вариантов использования...
Обучение метрике для классификации стальных поверхностей — Часть 2
вступление
В последнем посте мы кратко рассмотрели такие понятия, как задача управления поверхностью горячекатаной стали и глубокое метрическое обучение [ Часть 1 ]. Здесь мы реализуем решение..
== VS === VS typeof
(Равенство VS Строгое равенство VS typeof)
В кодировании мы столкнулись с ситуацией, когда нам приходится сравнивать или проверять тип объектов.
Для сравнения и проверки типов у нас есть..
RenovateAmes
Кризис на рынке жилья случился уже почти десять лет назад. Вышло множество книг и статей, осуждающих действия банков, а также снят звездный фильм, объясняющий кризис широкой аудитории. В..
LaMDA: прорыв Google в области разговорных технологий
Google всегда был увлечен языком. Инновационные успехи Google — от перевода Интернета до использования машинного обучения для понимания поисковых запросов — являются доказательством его..
Javascript: как отформатировать числа для локали с валютой
Чтобы отформатировать числа в соответствии с условиями форматирования локали, вы можете использовать метод toLocaleString () объекта Javascript Number. Так, например: var data = 10000000;..
Лучшие практики разработки API Node.js: содержательное исследование
Поскольку мир все быстрее движется к автоматизации и быстрому развитию, значимость Node.js в разработке API значительно выросла. Эта среда выполнения JavaScript, построенная на движке Chrome..