Публикации по теме 'data-science'
# 5: Машинное обучение - большая проблема UX
Это часть 5 учебного пособия Пошаговое руководство PM по созданию продуктов на основе машинного обучения из 6 частей.
Ранее мы обсуждали как настроить вашу организацию для эффективной работы - давайте посмотрим, как помочь вашим пользователям извлечь выгоду из результатов.
Модели и результаты машинного обучения не так легко объяснить
Многие алгоритмы машинного обучения являются черными ящиками: вы вводите много данных и получаете модель, которая работает таинственным образом, что..
# 1: Что машинное обучение может сделать для вашего бизнеса и как это понять
Это первая часть учебного пособия Пошаговое руководство PM по созданию продуктов на основе машинного обучения из 6 частей. Перейдите по ссылке для обзора всей серии.
Инвестиции в ML похожи на инвестиции в мобильные устройства 10 лет назад - они могут изменить ваш бизнес
Запросы к существующим данным для анализа - это хорошо известная и широко распространенная дисциплина. Однако машинное обучение - это следующий рубеж в анализе данных. Это дисциплина, в которой компьютерные..
Подход венчурного капитала к набору специалистов по данным в 2020 году.
Полное руководство по подбору персонала с помощью ИИ всего за 4 шага
Привлекайте и удерживайте новые таланты.
Это главный вызов сегодня для подавляющего большинства компаний, желающих приступить к новым проектам, связанным с искусственным интеллектом.
Что такое талант?
Корпоративный талант — это компетентный ключевой человек (а не ресурс), соответствующий вашей культуре и стратегии.
Почему ключ?
Потому что компания, состоящая из талантливых людей, которые еще не нашли..
TensorFlow: праймер
TensorFlow: праймер
Простое введение в TensorFlow
TensorFlow (TF) не работает как обычная программа. Вы, наверное, привыкли писать математические операции типа a = 2+2 , где a равно 4, верно?
Что ж, TF стирает грань между математическими операциями и их фактическими результатами, и вы собираетесь получить a , равный ... Tensor , WTF?
Когда вы пишете математику в TF, вы должны думать об этом как об архитекторе. Вы проектируете операции, а не вычисляете их...
Данные как код - принципы, что это такое и почему сейчас?
Этот пост является частью небольшой серии, начинающейся с: Данные как код - устранение производственных дефектов для наборов данных Google Analytics .
Данные как код - это простая концепция. Так же, как Инфраструктура как код . Он просто говорит: Обращайтесь с вашими данными как с кодом . И все же, после того как IaC появилась на Радаре ThoughtWorks в 2011 году , потребовалось около 10 лет, чтобы освоиться , и все еще находится в непростой ситуации, когда сторонники IaC..
Что такое структуры данных?
Сейчас мы живем в информационную эпоху. Что это значит? Это просто означает, что все вокруг вас связано с информированием ИТ-индустрии.
что вы работаете с его ИТ, что является информационной технологией, поэтому им нужна информация, но мы должны хранить эти данные где-то правильно, и это важно, чтобы избежать данных, как вы можете хранить эти данные, потому что после этого после обработки этих данных вы получите информацию правильно, но как вы храните эти данные, никакие данные не могут..
Почему я люблю Керас и почему тебе тоже стоит
Я начал работать с Deep Learning (DL) в период с 2016 по 2017 год, когда экосистема фреймворка была намного более разнообразной и фрагментированной, чем сегодня. Theano был золотым стандартом в то время, Tensorflow только что был выпущен, а DeepLearning4j все еще создавался. И Theano, и Tensorflow были относительно низкоуровневыми фреймворками, и работать с ними было несколько болезненно, особенно для таких новичков, как я. Библиотеки Keras и Lasagne помогли несколько..
