Публикации по теме 'data-science'
40 лучших бесплатных онлайн-ресурсов по искусственному интеллекту и машинному обучению для начинающих.
Привет, добро пожаловать в свободный мир Арчи! В моих блогах я даю ВАМ все бесплатные видео/ресурсы в различных областях компьютерных наук. Следуйте за мной для получения дополнительных бесплатных ресурсов.
Сегодня тема AI & ML. Так что берите все, что вам нужно, потому что это абсолютно бесплатно.
Искусственный интеллект:
6.034 Искусственный интеллект, MIT OCW CS 188: Введение в искусственный интеллект, Калифорнийский университет в Беркли — весна 2015 г. CS221:..
Предотвращение утечки данных в вашей модели машинного обучения
Все, что вам нужно знать о предотвращении утечки данных при построении модели машинного обучения.
Проблема утечки данных
Алгоритмы машинного обучения создают модели, которые предсказывают и классифицируют данные. Обычно рекомендуется сначала разделить доступный набор данных на два подмножества обучающих и тестовых данных. После этого модель обучается с использованием обучающей выборки, и ее успех измеряется путем сравнения ее производительности с ее производительностью с тестовым..
Косинусное подобие = скалярный продукт для нормализованных векторов
Некоторые примеры кода Python, показывающие, как косинусное сходство равно скалярному произведению для нормализованных векторов.
Импорт:
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from sklearn import preprocessing
from sklearn.metrics.pairwise import cosine_similarity, linear_kernel
from scipy.spatial.distance import cosine
Сделайте и нанесите на карту поддельные 2-мерные данные.
n_samples = 100
n_features = 2
X = np.random.randn(n_samples, n_features)..
Перенос обучения с предварительно обученных моделей
Как быстро и легко решить любую задачу классификации изображений
В этой статье рассказывается, как использовать трансферное обучение для решения задач классификации изображений. В демонстрационных целях приводится практический пример использования Keras и его предварительно обученных моделей.
Глубокое обучение быстро становится ключевым инструментом в приложениях искусственного интеллекта (LeCun et al. 2015). Например, в таких областях, как компьютерное зрение, обработка..
Создание нейронных сетей с помощью персептрона, год спустя — Часть I
Введение
Около года назад я начал писать для Open Data Science после того, как представил Perceptron на конференции ODSC.
С тех пор многое изменилось. Люди нашли интересное применение этому программному обеспечению, а также внесли в него свой вклад. В этой серии я представлю свежий обзор того, как работает Perception, и всех его новых функций.
Резюме Персептрона
Perceptron — это программное обеспечение, которое может помочь исследователям, студентам и программистам..
Как машинное обучение рекомендует фильмы для вас
Внедрение демографической фильтрации, контентной фильтрации и совместной фильтрации на практике
В этой статье давайте обсудим проект, в котором излагается, как алгоритм машинного обучения рекомендует, какой следующий фильм вы, возможно, захотите посмотреть, используя систему рекомендаций. Этот подход может быть реализован не только для содержимого фильмов, но и для других цифровых объектов, выбранных индивидуально для каждого пользователя, например, книг, веб-страниц, музыки,..
15 типичных ошибок, которые люди допускают в Java — Часть 3
Это третья статья о распространенных ошибках в Java. Давайте посмотрим на следующие 5 ошибок, которые люди делают в Java. Первые 10 — в статье ниже.
Ниже приведены первые 10 распространенных ошибок , которые люди совершают в java.
10 распространенных ошибок, которые люди совершают в Java — Часть 2 Это вторая статья о распространенных ошибках в Java. Давайте посмотрим на следующие 5 ошибок, которые люди делают в Java. Первые 5 находятся на… medium.com..