Публикации по теме 'data-analytics'
Как улучшить гиперпараметрическую оптимизацию машинного обучения
НАЧАТЬ РУКОВОДСТВО
Как оптимизировать гиперпараметры машинного обучения
Методы оптимизации моделей играют очень важную роль в области машинного обучения. Эти методы оптимизации также используются для настройки гиперпараметров, что приводит к более эффективным моделям машинного обучения для данного набора данных. В этой статье показаны различные способы настройки гиперпараметров моделей машинного обучения в Python.
Предыдущая статья была о поиске наиболее эффективного..
Подготовка данных : важный этап в машинном обучении
.. так что давайте сначала ответим на вопрос ПОЧЕМУ, для мотивации! 😊
Зачем нам нужна подготовка данных?
Большинство отраслевых экспертов считают, что от 80% до 90% мировых данных неструктурированы, и около 90% из них были созданы только за последние два года. Сегодня анализируется и используется только 0,5% этих непостижимо огромных хранилищ.
Мы не можем передавать необработанные неструктурированные данные непосредственно в визуализацию, надеясь получить почти точные..
"Когда я должен получить ответ?" и другие наболевшие вопросы - даны ответы
"Часы работы"
"Когда я должен получить ответ?" и другие наболевшие вопросы - даны ответы
История поиска работы, рассказанная на реальных данных
Одна из самых больших проблем в процессе поиска работы - это отсутствие данных, требующих принятия мер.
Без данных соискатели остаются в неведении относительно своего положения. Мое резюме ужасно, или это так редко можно услышать в ответ? Должен ли я получить предложение о работе к настоящему моменту, или мой опыт нормален для этого..
Проект сегментации клиентов
Введение
В рамках моего последнего проекта в программе Udacity Data Scientist Nanodegree я выбрал проект Bertelsmann / Arvato .
Идея, лежащая в основе этого проекта, состоит в том, чтобы решить реальную проблему, с которой должна справиться группа Arvato Data Science: поиск новых клиентов .
Основная идея этого проекта - найти сходство между людьми, которые в настоящее время являются клиентами, и людьми, которые ими не являются. Затем используйте эту информацию, чтобы найти..
Сделайте визуализацию более яркой в Julia
Верно, это снова Джулия, я обещаю, что R, Scala и Python все еще находятся в этом кругу любви
Plots.JL - такой разнообразный пакет, когда дело касается визуализации в Julia. Хотя большинство серверных программ используют Python, использование Plots.jl сопоставимо с использованием Plotly, Matplotlib (PyPlot) и даже большего количества инструментов внутри одного пакета. Полный список бэкэндов, включая бэкэнды на основе Python, а также бэкэнды Julia, C и даже LaTex для Plots.jl, можно..
Наука о данных в промышленности
Наука о данных в сочетании с искусственным интеллектом позволяет компаниям создавать системы, которые собирают, управляют и прогнозируют данные для принятия решений и повышения общей производительности. От общественного здравоохранения до спортивной аналитики, маркетинга и многого другого - наука о данных получает все большее распространение в различных сферах применения в самых разных отраслях. Здесь мы представляем пять различных отраслей, в которых наука о данных, наряду с искусственным..
Следующий рубеж в аналитике больших данных
Межотраслевая аналитика и три ее столпа
В нашем мире данные повсеместны, но их маржинальная отдача уменьшается.
Дополнительные данные не обязательно переводятся в новую информацию, фактически, иногда они могут служить только для повторения существующих предубеждений.
Так где же нам искать лучшие, новые, удивительные идеи? Выход за рамки отраслевой разрозненности - это следующий рубеж для получения ценной информации. Что касается данных о потребителях, то тонкий факт, который..
