4 видео, 4 автора, четыре большие темы
Издание MLearning.ai постоянно развивается. Приглашаем вас посмотреть короткие ролики по последним статьям. Они креативны и грамотно написаны.
4 видео, 4 автора, четыре большие темы
1. « Исследование обработки естественного языка с помощью набора данных Universal Studios »
Эта статья содержит много данных о процессе обработки естественного языка и предлагает несколько удобных руководств. Эта статья также демонстрирует, что, хотя поначалу эти задачи могут показаться сложными. В этом могут помочь многие ресурсы. В дополнение к практическим советам из этой статьи. В нем также рассказывается красивая история о том, как наивный байесовский метод может успешно предсказывать наборы данных на естественном языке.
Тем, кто интересуется НЛП, мы рекомендуем эту статью Tracyrenee.
2. « Amazon Fashion Discovery Engine (рекомендации на основе контента) »
Когда вы купили продукт в разделе другие также покупали?
Система рекомендаций Amazon предоставляет рекомендации, ориентированные на контент. , сходство продуктов на основе текста и сходство визуальных продуктов на основе машинного обучения
Рекомендации дают много преимуществ. Когда вы даете кому-то хорошую рекомендацию, не только он счастлив, но и вы как бизнес. Если вы задаетесь вопросом: «Нужна ли моему бизнесу система рекомендаций? «. Если вы это читали, это вполне вероятно. Механизмы рекомендаций полезны, когда используются по-разному. При создании продуктов электронной коммерции, развлекательных приложений или онлайн-СМИ механизмы рекомендаций - отличный способ понять, как клиенты отдают предпочтение продуктам. Они также полезны в маркетинговых целях. Если вы являетесь влиятельным лицом в социальных сетях и хотите увеличить количество подписчиков, вы можете создать систему рекомендаций, которая предлагает контент, который нравится вашим подписчикам. С помощью механизмов рекомендаций вы также можете анализировать модели покупок клиентов, чтобы увидеть, какой контент им нравится, чтобы создавать для них более качественную рекламу и материалы.
Статья Swetapadma Das
3. « Обучение с учителем, без учителя и с подкреплением »
Машинное обучение - это способ использования компьютеров, чтобы научиться выполнять задачу. Есть два типа машинного обучения: контролируемое и неконтролируемое. Машинное обучение без учителя - это когда компьютеру не предоставляется пример задачи, а он сам придумывает. Задумывались ли вы тогда, означает ли это, что для некоторых техник вы должны сидеть и смотреть, как компьютер делает свое дело, в то время как для других нужно, чтобы вы уходили, чтобы он работал?
Рекомендуется эта статья Аллана Бонда.
4. « Автоматизация прогнозирования временных рядов »
Прогноз временных рядов - важное приложение, для которого можно использовать машинное обучение и глубокое обучение. Существует несколько моделей прогнозирования для временных рядов, таких как Arima, Prophet, Holt-Winters и т. Д. Существует множество библиотек Python для загрузки моделей и их использования. Однако ими не так-то просто пользоваться.
В следующей статье Химаншу Шарма рассказывается больше о временных рядах.
В заключение выражаем благодарность авторам статей, чтобы максимально упростить вам доступ к этим материалам.
Надеемся, наша публикация вам понравится, подпишитесь! на наш канал на YouTube
Вы также можете найти нас в Facebook, Twitter и Instagram.
