Публикации по теме 'data-science'
Как писать лучшие статьи по науке о данных в 2021 году
Новый год, это же ты, лучше статьи.
Что общего между наукой о данных и письмом?
Помимо очевидного (мы все ищем больше часов в день, чтобы совершенствоваться в обоих), наука о данных и письмо также заслуживают титула как два навыка, которые могут превратить нас в разносторонних людей в обоих навыках, если их улучшить. в тандеме.
Специалистов по обработке данных обычно называют «рассказчиками» из-за того, что они могут превращать массивные наборы данных в красивые визуализации,..
Azure Automated ML прислушивается к своим дизайнерам
Часть 3 в этой серии autoML, Microsoft, мастер-джедай
В третьей части этой серии autoML я продолжаю проверять простоту использования различных инструментов autoML. Сосредоточившись на базовых готовых предложениях и найдя бесплатные пробные версии, я погрузился в мир Microsoft. Я отправил наш обучающий файл Watson в предложение Microsoft AutoML, Azure Automated ML. В целом пользовательский интерфейс Azure autoML был намного лучше, чем AWS AutoPilot и Google autoML Tables . Опыт..
Excel в Python
Создание интерфейсных книг Excel для инструментов Python
На конференции Build 2016 Microsoft объявила, что 1,2 миллиарда человек по всему миру используют Excel [1]. В том же году предполагаемое население Земли составляло 7,4 миллиарда [2].
Это 16,2% всех людей на Земле .
Согласно отчету за 2019 год [3], Python может похвастаться всего 8,2 миллионами активных разработчиков, что составляет 0,001% населения Земли.
Имея в виду эти цифры, нам может быть полезно поощрять большее..
Последние выборы: этика ИИ
Последние выборы:
Этика искусственного интеллекта Джереми Харрис Простые методы визуализации трехмерных данных подземных скважин от Фуад Фарадж Статистические языковые модели от Аруна Джаготы Запуск пакетных конвейеров Google Cloud Data Fusion в« масштабе », Чарли Мюллер
Если вы их пропустили:
Проверяйте свои данные, пока не повредит , Миша Кунце Методы передискретизации для анализа выводов от Идил Исмигузель Как создавать представления сущностей в..
Предварительная обработка данных для моделей машинного обучения
«Обнаружение больше не ограничивается сбором и обработкой данных, а скорее управлением, анализом и визуализацией». - Дамиан Мингл
Перед построением модели машинного обучения данные необходимо предварительно обработать. Почему, потому что мы получаем необработанные данные из реального мира, где могут возникнуть некоторые проблемы с использованием необработанных данных, таких как отсутствующие значения, смешанные категориальные и числовые значения, подобные этому.
Есть несколько..
Регистрация подтвержденного пользователя по электронной почте и сброс пароля в Django
Регистрация подтвержденного пользователя по электронной почте и сброс пароля в Django
Учебное пособие с подробным описанием маршрутов регистрации пользователя и сброса пароля для вашего приложения Django с проверкой электронной почты и генерацией уникального токена.
Это руководство предоставит вам все, что вам нужно знать, чтобы создать маршрут регистрации пользователя с подтверждением по электронной почте. Мы пройдем через процесс регистрации, генерации уникального токена и отправки..
Методы ансамбля: настройка модели XGBoost с помощью Scikit-Learn
XGBoost стал одним из наиболее часто используемых инструментов в машинном обучении. Он состоит из ансамбля деревьев решений, где каждое новое дерево зависит от оценки предыдущего. Этот последовательный способ добавления классификаторов называется повышением, но в отличие от традиционного повышения, с XGBoost его можно запускать параллельно, поскольку при построении деревьев каждая ветвь обучается независимо.
Но, как и любой алгоритм машинного обучения, XGBoost также требует настройки..
