Публикации по теме 'machine-learning'
Классификация и регрессионный анализ с деревьями решений
Понимая фундаментальные концепции и математику, лежащую в основе деревьев решений, научитесь строить деревья решений классификации и регрессии!
Дерево решений - это модель машинного обучения с учителем, используемая для прогнозирования цели путем изучения правил принятия решений на основе функций. Как следует из названия, мы можем рассматривать эту модель как разбиение наших данных путем принятия решения, основанного на серии вопросов.
Давайте рассмотрим следующий пример, в котором мы..
Решения для ML/AI в Интернете.
В постоянно развивающейся сфере веб-разработки сочетание машинного обучения (МО) и искусственного интеллекта (ИИ) открыло новую эру возможностей. Спектр решений подойдет разработчикам любого уровня: от использования возможностей облачных сервисов до глубокого изучения сложных платформ. Это комплексное руководство проведет вас от реализации начального уровня к продвинутой интеграции, давая вам возможность приступить к собственным проектам веб-разработки с использованием ML/AI.
1...
Поиск экзопланет с помощью глубокого обучения
Джейсон Терри
GSoC 2022
ML4Sci
Введение
С тех пор как в 1992 году была идентифицирована первая экзопланета, количество и разнообразие обнаруженных экзопланет резко возросло. Несколько различных методов обнаружения оказались успешными в обнаружении экзопланет в сформированных звездных системах.
Обнаружение формирующихся экзопланет — непростая задача. Эти молодые объекты встроены глубоко в протопланетный диск: место формирования планет. Слои пыли и газа между планетой и..
ITOps против DevOps против NoOps
Введение
NoOps , DevOps и ITOps — это три разных понятия, которые иногда используются взаимозаменяемо. Все они имеют одну цель: повысить эффективность инфраструктуры компании. Тем не менее, есть некоторые существенные различия между этими тремя.
DevOps, ITOps и NoOps — это три принципа, которые могут помочь компаниям стать настолько гибкими и безопасными, насколько это возможно. Понимание этих идей необходимо для организационного построения конвейера доставки.
В связи с..
Почему глубокие ансамбли так эффективны: перспектива ландшафта потерь
Набор данных MNIST использовался в следующих экспериментах. Каждая из моделей, используемых для подгонки данных, представляла собой простой многослойный персептрон.
Для проведения следующих экспериментов были обучены и затем сравнены три модели.
Если вы хотите воспроизвести результаты самостоятельно, я сделал исходный код для экспериментов доступным здесь .
Глубокие ансамбли и методы выборки подпространств
Прежде чем мы приступим к экспериментам, важно хорошо понять разницу между..
Прогнозирование популярности песни на мандаринском диалекте на Spotify — Часть 1
Введение
Spotify, одна из самых известных платформ для потоковой передачи музыки, является моим самым часто используемым приложением в повседневной жизни. Будучи меломаном, я создал более десяти плейлистов в таких жанрах, как поп-музыка, хип-хоп, рок и джаз. Тем не менее, я всегда оказывался со своим плейлистом на мандаринском языке, когда мне больше всего нужна была музыка. Однажды я случайно наткнулся на документы Spotify Web API и был очарован функциями звука, которые отслеживает..
Рекомендательные системы в науке о данных
Системы рекомендаций являются неотъемлемой частью современной науки о данных. Это алгоритмы, предназначенные для прогнозирования того, что может понравиться или заинтересовать пользователя, на основе его прошлого поведения и предпочтений. Системы рекомендаций широко используются в различных отраслях, таких как электронная коммерция, потоковые сервисы и социальные сети, для предоставления персонализированных рекомендаций пользователям.
Почему системы рекомендаций важны
Системы..
Новые материалы
Статическая типизация в TypeScript: основы Typescript
Понимание статической типизации
TypeScript, расширенный набор JavaScript, был разработан Microsoft в 2012 году для устранения некоторых ограничений JavaScript. Одним из его основных предложений..
Как использовать SAAS на благо вашего бизнеса
В деловом мире SAAS (программное обеспечение как услуга) становится все более популярным. И неудивительно, почему — SAAS предоставляет ряд преимуществ для предприятий любого размера.
Вот лишь..
Приложения случайного блуждания, часть 1 (статистика + машинное обучение)
Смещенное случайное блуждание при динамической перколяции (arXiv)
Автор: Себастьян Андрес , Нина Гантерт , Доминик Шмид , Перла Сузи
Аннотация: мы изучаем смещенные случайные..
Интеллектуальная масштабируемая обработка видео в реальном времени в Azure
1. Введение
В этом руководстве создается сквозной проект для интеллектуальной масштабируемой обработки видео в реальном времени в Azure. При этом создается возможность обнаруживать граффити и..
Варианты использования положительной изотропной кривизны, часть 6 (машинное обучение)
Четыре-орбифолды с положительной изотропной кривизной (arXiv)
Автор : Хун Хуан
Аннотация: Мы доказываем следующий результат: Пусть (X,g0) — полное связное 4-многообразие с равномерно..
Внутри эпистатических сетей
Регуляция нейронных сетей для лучшего прогнозирования ландшафтов биологической пригодности
Сопоставьте свой индуктивный уклон с областью вашей проблемы
Всем алгоритмам машинного обучения..
Создание полноценного интерфейса командной строки с использованием Python | Расширенный Python
Создание полноценного интерфейса командной строки с использованием Python — Advanced Python
Чтобы изучить расширенные функции языка программирования, вам следует попробовать создать..