Публикации по теме 'machine-learning'
Как изучать науку о данных с первого дня без опыта
Путь, по которому вы должны начать изучать науку о данных, если у вас нет предварительных знаний
Этот пост для тех, кто хочет начать изучать науку о данных и не знает, с чего начать.
В этой статье представлен простой, но исчерпывающий обзор того, что вам нужно знать о предмете…
Лучшее кодирование для повышения уровня (август 2023 г.)
В этом месяце мы изучаем последние разработки в мире программирования и науки о данных, от раскрытия упущенных основных функций в Python до открытия волшебного плагина интерпретатора кода ChatGPT. Мы также изучаем ошибки компаний на миллионы долларов, когда дело доходит до микросервисов, борьбу между Маском и Цукербергом и многое другое. Повысьте свои навыки программирования с помощью лучших статей по искусственному интеллекту и программированию за последний месяц.
AI is eating the world..
Нелинейная бинарная классификация с использованием нейронной сети с прямым и обратным распространением (образец…
Перед переездом освежитесь с типом потери и градиентным спуском из предыдущей статьи… https://medium.com/@ranasinghiitkgp/sigmoid-neuron-model-gradient-descent-with-sample-code-4919bfc9d4c4
Применить правило цепочки в нейронной сети:
давайте начнем с некоторого базового исчисления (цепного правила), чтобы вычислить производную на каждом этапе.
здесь есть много путей между потерей и входной переменной (W121). Итак, вычислите производную каждого пути и в конце суммируйте их...
Самостоятельное обучение здесь, чтобы остаться частью 2 (машинное обучение)
Самоконтролируемое обучение Sharpness & Shift-Aware (arXiv)
Автор: Нгок Н. Тран , Сон Дуонг , Хоанг Фан , Тунг Фам , Динь Фунг , Трунг Ле .
Аннотация: Обучение с самоконтролем направлено на извлечение значимых признаков из немаркированных данных для дальнейших последующих задач. В этой статье мы рассматриваем классификацию как следующую задачу на этапе 2 и разрабатываем строгие теории для реализации факторов, которые неявно влияют на общую потерю этой задачи классификации. Наши..
Почему мы пишем инфраструктуру машинного обучения на Go, а не на Python
Производственное машинное обучение - это больше, чем просто алгоритмы
На данный момент никого не должно удивлять, что Python является самым популярным языком для проектов машинного обучения. Хотя у таких языков, как R, C ++ и Julia есть свои сторонники и варианты использования, Python остается наиболее широко распространенным языком, который используется во всех основных фреймворках машинного обучения.
Так что, естественно, наша кодовая база в Cortex - платформе с открытым..
Доверительные интервалы и как их найти
Учитывая выборку, скажем, рост 10 человек в городе, вы хотите оценить средний рост всех взрослых в городе. Вы можете сделать это, взяв среднее значение высот вашей выборки, но ни в коем случае это среднее значение выборки не будет равно среднему значению генеральной совокупности (из-за ошибки выборки). По мере увеличения размера вашей выборки среднее значение выборки будет приближаться к среднему значению генеральной совокупности, но практически для вас будет практически невозможно..
5 не делайте этого и 5 делайте для новичков перед тем, как приступить к исследовательским проектам в области машинного обучения
В предыдущем сообщении: 10 основных причин неудач проектов машинного обучения я перечисляю несколько подводных камней, связанных с слепыми пятнами для специалистов по данным, когда они работают над своими исследовательскими проектами.
В этом посте я хочу поделиться тем, что, по моему мнению, является хорошим советом как для бакалаврской / магистерской диссертации, так и для летней исследовательской стажировки в области машинного обучения и наук о данных. Это никоим образом не охватывает..
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..