Публикации по теме 'artificial-intelligence'
Освоение основ машинного обучения
Использование машинного обучения для решения реальных проблем и создания ценности
За последние годы машинное обучение изменило бесчисленное множество отраслей и приложений, но многим из них сложно перейти от теории к практической реализации. Это комплексное руководство направлено на устранение этого разрыва путем изучения основных концепций и методов машинного обучения, необходимых для достижения реальных результатов.
Мы рассмотрим весь жизненный цикл машинного обучения: от..
Раскрытие возможностей машинного обучения: путешествие в будущее
В эпоху анализа данных и технического прогресса машинное обучение является маяком инноваций. Машинное обучение преобразовало отрасли и произвело революцию в том, как мы взаимодействуем с технологиями: от создания рекомендательных систем до создания беспилотных транспортных средств. В этом блоге мы отправляемся в увлекательное путешествие в захватывающую сферу машинного обучения, изучая его концепции, приложения и преобразующий потенциал.
Демистификация машинного обучения
По своей..
Как работает извлечение признаков, часть 1 (машинное обучение)
Эффективное извлечение признаков для системы обнаружения вторжений с использованием неотрицательной матричной факторизации и одномерного анализа (arXiv)
Автор: Swapnil Mane , Vaibhav Khatavkar , Niranjan Gijare , Pranav Bhendawade .
Аннотация: Система обнаружения вторжений (IDS) необходима для предотвращения злонамеренной активности. В основном IDS можно улучшить за счет машинного обучения, но эффективность модели снижается из-за большего количества заголовков (или функций),..
Строительные блоки DS — Регрессия и классификация
Понять разницу между проблемами регрессии и классификации
[Эта запись в блоге изначально была опубликована Иво Бернардо в блоге DareData как «DS — Building Blocks: Regression vs. Classification ]
Если вы не являетесь техническим специалистом или руководителем проекта в области искусственного интеллекта или науки о данных, вы, вероятно, чувствуете себя немного перегруженным всеми техническими терминами, которые вам бросают. Некоторые примеры вещей, которые вы, возможно, видели...
Исследования, основанные на метрических пространствах мер в машинном обучении, часть 2
Градиентная оценка и универсальные границы для полулинейных эллиптических уравнений в метрических пространствах с мерой RCD∗(K,N) (arXiv)
Автор : Чжихао Лу
Аннотация: Дана оценка логарифмического градиента и оценка универсальной ограниченности для полулинейных эллиптических уравнений в RCD∗(K,N), метрических пространствах с мерой. В определенном случае эти оценки оптимальны даже на пространствах RCD∗(K,N) с K‹0. Двумя прямыми следствиями этих оценок являются неравенство Гарнака и..
Размышляя о своем путешествии: 10 вещей, которые я хотел бы знать, когда впервые изучал библиотеки Python
Привет, коллеги-энтузиасты Python! Меня зовут Гейб А., и сегодня я собираюсь познакомить вас с моим опытом программирования на Python. За прошедшие годы мне посчастливилось глубоко погрузиться в библиотеки Python и визуализацию данных, и я многому научился на этом пути. В этом сообщении блога я хочу поделиться с вами 10 вещами, которые мне хотелось бы знать, когда я впервые начал свое приключение с библиотеками Python.
Но прежде чем мы углубимся в это, позвольте мне немного..
Другой вид функции активации и соответствующая ей функция потерь, используемые в Perceptron.
1. Правило обучения персептрона
Вы когда-нибудь слышали о правиле обучения персептрона? Это мощный алгоритм, используемый в машинном обучении и искусственном интеллекте, чтобы помочь компьютерам распознавать закономерности. Это основа для некоторых из самых передовых технологий современности. В этом сообщении блога мы углубимся в основы правила обучения персептрона и в то, как оно работает. Мы также рассмотрим некоторые из его приложений и то, как их можно использовать для создания..
