Публикации по теме data-science

Публикации по теме 'data-science'

Раскрытие возможностей преобразований Фурье в науке о данных и машинном обучении

Преобразования Фурье: математическая концепция, которая стала краеугольным камнем в мире науки о данных и машинного обучения. В этой статье мы собираемся сделать эту, казалось бы, сложную концепцию доступной и интуитивно понятной. Мы начнем с изучения реального набора данных, используя Python в качестве предпочтительного инструмента для анализа сигналов и выявления скрытых закономерностей. Но мы не останавливаемся на теории. Мы задействуем преобразования Фурье в сфере обработки..

Сила статистики: ваш путь к знаниям, основанным на данных 📈

Есть ложь, наглая ложь и статистика - Марк Твен Добро пожаловать в увлекательный мир статистики, где цифры оживают, помогая нам лучше понять ситуацию. В современном мире, основанном на данных, знание статистики — это все равно, что обладать особым навыком, который позволяет понимать информацию и делать более разумный выбор. Независимо от того, новичок ли вы в этом или уже немного разбираетесь в этом, это путешествие покажет вам, как статистика может помочь вам разобраться в..

Инновационные идеи, связанные с маскированными автоэнкодерами в 2023 году, часть 1 (машинное обучение)

Контрастная настройка: небольшая помощь, чтобы забыть о маскированных автоэнкодерах (arXiv) Автор: Оханнес Ленер , Бенедикт Алкин , Андреас Фюрст , Элизабет Руметсхофер , Лукас Миклаутц , Зепп Хохрайтер . Аннотация: методы моделирования маскированных изображений (MIM), такие как маскированные автоэнкодеры (MAE), эффективно изучают богатое представление входных данных. Однако для адаптации к последующим задачам им требуется достаточное количество размеченных данных, поскольку их..

Методы корреляции

Разработка функций и выбор функций, несомненно, являются важным методом науки о данных. Если вы хотите, чтобы ваша модель машинного обучения работала хорошо, вам необходимо выполнить корреляцию между нашими функциями и целью, чтобы мы могли получить четкое представление о наборе данных. Существует множество различных типов корреляции, которые мы можем применить к нашему набору данных, с помощью которых мы можем получить желаемые результаты. В нашем случае мы собираемся сначала изучить..

Заставить науку о данных работать на местное самоуправление | Пиковые индикаторы

Мы спрашиваем наших политиков, сколько стоит пинта молока, потому что хотим знать, на связи ли они — хорошо осведомлены о реалиях повседневной жизни. На каждом уровне правительства мы ожидаем, что лица, принимающие решения, будут иметь четкое представление о положении своих граждан, знать, как изменения в государственных услугах, использование ограниченных ресурсов и планирование будущего повлияют на людей до того, как слово «вперед». В связи с этим данные являются наиболее важным..

Длина среза и емкость в Go

Если вам нравится читать статьи на Medium и вы заинтересованы в том, чтобы стать участником, я буду рад поделиться с вами своей реферальной ссылкой!

ML Engineering и ML Ops для удовольствия и прибыли — Часть 1

E8Manifold — ML Ops для серьезных специалистов по данным и инженеров по машинному обучению Фон В прошлом Jupyter Notebooks использовались для разработки и обучения машинному обучению на этапе разработки. Однако вопрос развертывания моделей машинного обучения подробно не рассматривался. Элементы ML-систем Платформы машинного обучения включают в себя множество элементов, включая сбор данных, проверку данных, настройку, разработку функций, конфигурацию, анализ моделей, планирование..