Публикации по теме 'data-science'
Состояние диффузионных моделей в 2022 г., часть 3 (машинное обучение)
Эффективная выборка для оценки реализованной дисперсии в моделях диффузии с изменением во времени (arXiv)
Автор: Тимо Димитриадис , Роксана Хальблейб , Жаннин Поливка , Сина Штрейхер
Аннотация: в этой статье показаны преимущества выборки внутридневной доходности в собственном времени для оценки интегрированной дисперсии с помощью оценщика реализованной дисперсии (RV). Собственное время преобразует часы в соответствии с активностью рынка, которую мы измеряем интенсивностью..
Геопространственная визуализация с использованием Streamlit
Расширение возможностей управления окружающей средой с помощью Geospatial Streamlit
Как градостроитель, я обнаружил, что Streamlit — отличный инструмент для создания интерактивных и удобных информационных панелей для демонстрации результатов машинного обучения и взаимодействия с людьми. В этом разделе я покажу вам, как я использую Streamlit для представления своих данных в геопространственном формате, уделяя особое внимание Индии.
Решения для геопространственной визуализации качества..
Празднование Дня независимости Индии с Махатмой Ганди и наукой о данных
Этот День Независимости был другим. Я вернулся домой. И у меня появились навыки, которых раньше у меня не было. Поэтому я подумал о том, чтобы совместить празднование Дня независимости с моими новыми навыками работы с данными.
Кроме того, мне нечего было делать в праздничный вечер.
Я построил систему, которая узнала меня и отца нашей нации Махатму Ганди и после узнавания сказала о нас несколько строк. Вот об этом. Я знаю, это не что-то очень необычное, но за ограниченное время в пару..
Логистическая регрессия и случайные леса — Задача классификации и анализ данных
Как запустить код
Вы можете скачать этот блокнот отсюда: здесь , и вам следует установить все необходимые пакеты, прежде чем запускать код локально. И вы можете скачать набор данных из:
Дождь в Австралии Прогнозируйте дождь на следующий день в Австралии www.kaggle.com
Постановка задачи
Представьте, что вы работаете с агентством прогнозов погоды, которое стремится улучшить свои прогнозы дождя по всей Австралии. Ваша задача как Data..
Чему я научился на программе Masters Of Data Science
Позвольте мне начать с небольшой предыстории обо мне. Контекст здесь важен, потому что то, с чем человек входит в эти программы, на самом деле влияет на то, с чем вы можете выйти. Мне чуть за 40, и у меня почти 20-летний опыт руководства многофункциональными дизайнерскими командами. Проекты в основном механические. Не дизайн программного обеспечения или аналитика данных, как многие из моих коллег. Я также намного старше большинства участников моей программы.
Я решил заняться наукой..
Алгоритмы машинного обучения: как они работают и варианты использования для каждого типа — Часть III из III
Алгоритмы машинного обучения: как они работают и варианты использования для каждого типа — Часть III из III
Существует три основных типа алгоритмов машинного обучения:
Контролируемое обучение Неконтролируемое обучение Обучение с подкреплением
В части III этой серии статей я расскажу о том, что такое алгоритмы обучения с подкреплением, как они работают и приведу несколько примеров того, где их можно применять.
Что такое обучение с подкреплением
Алгоритм учится выполнять..
Инновационное использование проксимальных операторов, часть 1
Усовершенствованное вычисление оператора близости для перспективных функций (arXiv)
Автор: Луис М. Брисеньо-Ариас , Кристобаль Вивар-Варгас .
Аннотация: В этой статье мы даем явное выражение для оператора близости перспективы любой собственной полунепрерывной снизу выпуклой функции, определенной в гильбертовом пространстве. Наш расчет расширяет и обобщает известные формулы для случая, когда функция, сопряженная по Фенхелю, выпуклой функции имеет открытую область определения или когда..