Публикации по теме 'big-data'
Руководство для начинающих по всем вещам ML
Сегодня Международный день образования, и хотя слово «образование» может напоминать о более традиционных предметах, таких как литература, математика, философия и искусство; Развитие технологий дало нам много интересных и новых возможностей для изучения.
Машинное обучение. Большое количество данных. Искусственный интеллект - кажется, это путь вперед.
Если какое-либо из этих слов заинтриговало вас, возможно, стоит изучить мир ИИ и науки о данных. Если вы когда-либо были в восторге..
Обзор: искусственный интеллект в 2018 году
Искусственный интеллект больше не модное слово. По состоянию на 2018 год это хорошо развитая ветвь аналитики больших данных с несколькими приложениями и активными проектами. Вот краткий обзор темы.
ИИ - это общий термин для различных подходов к анализу больших данных, таких как модели машинного обучения и сети глубокого обучения. Недавно мы демистифицировали термины AI, ML и DL и различия между ними, так что не стесняйтесь проверить это. Короче говоря, алгоритмы ИИ - это различные..
Жизненный цикл проекта Data Science
Мы часто говорим о науке о данных, но на самом деле не знаем, что все проекты Data Science работают. Итак, сегодня мы посмотрим, как работает любой проект Data Science. Как правило, любой проект Data Science состоит из 5 этапов.
Обнаружение данных (получение данных)
Это самый первый шаг любого проекта Data Science - найти данные, и данные могут быть в любом формате, например, данные могут быть в структурированных данных (данные, которые являются высокоорганизованными и..
Автоматическая проверка качества данных с помощью Deequ с использованием Spark
Автор: Джошан Котни
Введение
При работе с данными основным фактором, который следует учитывать, является качество данных. Особенно в среде больших данных качество данных имеет решающее значение. Наличие неточных или ошибочных данных приведет к неверным результатам в анализе данных. Многие разработчики проверяют данные вручную, прежде чем обучать свою модель на доступных данных. Это отнимает много времени, и есть вероятность совершения ошибок.
Дикью
Deequ — это фреймворк..
2. Машинное обучение 101 - рабочий процесс решения проблем
Как перейти от необработанных данных к полностью работающим решениям для машинного обучения?
Если вы инженер-программист, я уверен, что в какой-то момент вы захотели «немного машинного обучения», раскрыть секреты Вселенной и найти окончательный ответ на жизнь, Вселенную и все остальное.
Тем не менее, машинное обучение может быть довольно большой и пугающей темой: парадигма, совершенно отличная от того, что вы обычно делаете / используете изо дня в день, за счет больших данных,..
Машинное обучение
Машинное обучение — это область, изучающая, как заставить компьютеры учиться. Другими словами, алгоритм машинного обучения — это компьютерная программа, которая учит компьютеры программировать себя так, чтобы нам не приходилось явно описывать, как выполнять задачу, которую мы хотим выполнить.
Когда люди говорят о машинном обучении, они говорят, что основанные на математике вычисления, аналитические методы и отличные практики программирования создают хорошее сочетание для машинного..
10 основных проблем с данными в Wound Care
Уход за ранами претерпевает изменения в правилах и суммах возмещения, увеличивая количество пациентов и увеличивая сложность пациентов. Необходимость работать умнее, а не усерднее, обнажает проблему данных по уходу за ранами.
Ежегодно 6,7 миллиона американцев страдают по крайней мере от одной хронической раны, и большинство серьезных заболеваний, таких как гипертония, рак, болезни сердца и диабет, связаны с хроническими ранами. Согласно недавнему 5-летнему ретроспективному исследованию,..
