Публикации по теме data-science

Публикации по теме 'data-science'

Анализ дебатов вице-президента и президента с использованием Data Science

Анализ дебатов с использованием Data Science: использование комментариев YouTube для определения истинных намерений избирателей Введение Я считаю, что Data Science позволяет мне выражать любопытство способами, о которых я даже не догадывался. Самым крутым в Data Science является то, что я рассматриваю данные не как числа, а как возможность (бизнес-проблема), идеи (прогнозное моделирование, статистика и обработка данных) и улучшение (показатели). Помня об этом, я решил..

PyCaret + SKORCH: создание нейронных сетей PyTorch с использованием минимального кода

Краткое руководство по созданию нейронных сетей PyTorch с Pycaret Практически в каждом проекте машинного обучения мы обучаем и оцениваем несколько моделей машинного обучения. Это часто включает в себя написание нескольких строк импорта, множества вызовов функций, операторов печати для обучения отдельных моделей и сравнения результатов по моделям. Код превращается в беспорядок при сравнении разных моделей с циклами перекрестной проверки или при объединении моделей. Со временем все..

Классификация текста с помощью API Hugging Face

Нет необходимости в дорогостоящем оборудовании или внутренних разработчиках для развертывания новейших и лучших моделей Transformer для классификации текста. В этой статье мы обсудим, как реализовать модели классификации текста с помощью Hugging Face's Inference API. Люди часто испытывают затруднения при развертывании моделей Transformer, поскольку для правильной реализации требуется система со значительными знаниями в области вычислений и внутреннего программирования. С помощью API..

Как XLNet сочетает в себе лучшее из GPT и BERT

Понимание концептуальных различий GPT, BERT и XLNet за 3 минуты XLNet - это новая предварительно обученная модель, которая стабильно превосходит BERT по 20 задачам, часто с большим отрывом. Что ?! И почему? Без понимания машинного обучения нетрудно предположить, что чем больше контекста мы захватили, тем точнее можно сделать прогноз. Таким образом, способность модели улавливать самый глубокий и эффективный контекст - это лучший рецепт. Давайте поиграем - что такое [Guess1] и..

Специалисты по данным, Тренинги, Описание работы, Проблема с фиолетовой белкой и единорогом

Специалисты по данным, Тренинги, Описание работы, Проблема с фиолетовой белкой и единорогом Предисловие На прошлой неделе заметка моего друга и коллеги Шривастан Шривсан в LinkedIn о математике и науке о данных вызвала отличную дискуссию. Что ж, это не что-то новое; были споры в технической области, такие как vim против emacs и многие другие. Споры о математике и науке о данных с 2013 года выходят на новые темы. Прежде всего, отраслевое представление (или заблуждение) о Unicorn..

Сходны ли ваши проблемы с проблемами остальной отрасли?

# 7 - Сходны ли ваши проблемы с проблемами остальной отрасли? Как важно перестать изобретать велосипед. Это рассказ №7 из серии Летные проверки любого (большого) проекта машинного обучения . По мере продвижения инициативы появляется множество возможностей улучшить ее и развить. Возникнет много проблем. Хотя эти проблемы могут показаться уникальными для проектов машинного обучения, на самом деле, скорее всего, многие другие уже сталкивались с такими же трудностями . Если..

Машинное обучение на практике, какие шаги?

В этом посте я поделюсь с вами простым процессом, который я разработал, занимаясь машинным обучением на своих рабочих местах. Надеюсь, это устранит некоторые заблуждения и подводные камни, которые могут быть у некоторых из нас в целом относительно машинного обучения или когда дело доходит до сравнения машинного обучения на соревнованиях, в учебниках и на практике. Шаг 1: определение проблемы В большинстве случаев эти проблемы четко представляются нам специалистам по данным из..