Публикации по теме 'data-science'
Создание приложений с поддержкой машинного обучения
От создания программных приложений к созданию приложений машинного обучения
Программные приложения в настоящее время переходят от приложений с поддержкой данных к приложениям с поддержкой машинного обучения. В будущем большинству программных приложений придется не только собирать и обрабатывать данные, но и извлекать из них информацию и знания. Существуют значительные проблемы при создании моделей машинного обучения, которые тесно интегрируются с программным приложением с обратной..
Наборы данных для машинного обучения, часть 4: методы преобразования данных для машинного обучения:…
Обзор преобразования наборов данных для машинного обучения: методы, проблемы и соображения для специалистов по данным
Данные редко бывают нейтральными, и наборы данных не готовы к использованию прямо с полки. Они требуют предварительной обработки и преобразований, которые отражают точки зрения создателей и пользователей. В этой статье представлен обзор технических деталей подготовки набора данных к использованию, в ходе которого задаются важные вопросы.
Очистка и документирование..
Работа с дискретной симметрией в машинном обучении, часть 1
Метастабильность стад дискретной симметрии (arXiv)
Автор: Бриек Бенвегнен , Омер Гранек , Сунхан Ро , Ран Яакоби , Юг Шате , Ярив Кафри , Давид Мукамель , Александр Солон , Жюльен Тайлер .
Аннотация: Исследуется устойчивость упорядоченной фазы моделей флокирования со скалярным параметром порядка. Используя как активную модель Изинга, так и гидродинамическое описание, мы показываем, что капли частиц, движущихся в направлении, противоположном направлению движения..
Почему вам нужно прекратить использовать сигмоиды
Подробное объяснение исчезающего градиента и сигмоид. Объясняется в коде вместе с ReLu и инициализацией Kaiming.
В последние годы глубокое обучение и нейронные сети добились огромных успехов во всех отраслях. Эта технология искусственного интеллекта, кажется, появилась в одночасье и позволила нам решить проблемы, над которыми мы работали годами, а иногда даже десятилетиями.
Хотя идея нейронных сетей возникла с середины 1900-х годов, они не использовались за пределами..
Начните использовать модуль Python Unittest сегодня
Полное пошаговое руководство по Python unittest
Модульное тестирование
Модульное тестирование - это базовый прогон вашего кода. Это не QA. Таким способом вы подтверждаете, что написали качественный код , а не то, что сломается, как только кто-то попытается его использовать.
Зачем тестировать?
Недавно на стартапе мне нужно было написать код библиотеки для коллеги, я дал ему код библиотеки со скриптом модульного тестирования.
Каждый раз, когда он жаловался, модульный тест..
Метрики оценки в задаче классификации
Классификация — это контролируемая модель машинного обучения, используемая для классификации новых наблюдений. Модель учится на обучающих данных и классифицирует новые наблюдения. Выбор правильной метрики оценки для задачи классификации важен, поскольку она может варьироваться от проблемы к проблеме. Давайте разберемся с метриками оценки классификации.
1. Точность
Точность просто измеряет, насколько часто модель правильно предсказывает. Это отношение количества правильных..
Прекратите использовать циклы for в Python: будущее за итераторами
Итераторы более эффективны, гибки и мощны, чем циклы. Пришло время научиться их использовать.
Python — популярный язык программирования для науки о данных и обработки данных благодаря богатому набору библиотек и инструментов, которые делают анализ и обработку данных простыми и увлекательными. Однако многие программисты Python по-прежнему полагаются на традиционный цикл for для перебора наборов данных, таких как списки, кортежи, словари или файлы. В этой статье мы покажем вам, почему..
