Публикации по теме 'data-science'


Как выбрать комнату AirBNB в Бостоне!
Подход, основанный на данных, с использованием данных AirBNB за 2021 год. Введение AirBnB — это сайт бронирования жилья. Этот веб-сайт позволяет хозяевам размещать список своих квартир/кондоминиумов/домов, а пользователь может бронировать проживание в этих объектах. Многим новым пользователям может быть интересно, как правильно выбрать комнату AirBNB, поэтому мы используем методологию обработки данных, чтобы получить больше информации об аренде жилья для отдыха в Бостоне!..
Как работает разделение Дугласа-Рэчфорда, часть 5 (машинное обучение)
Расщепление Дугласа-Рахфорда и ADMM для невыпуклой оптимизации: алгоритмы ускоренного и линейного поиска типа Ньютона (arXiv) Автор: Андреас Темелис , Лоренцо Стелла , Панайотис Патринос . Аннотация: Андреас Темелис , Лоренцо Стелла , Панайотис Патринос . 2. Параметризованный алгоритм разделения Дугласа-Рахфорда для невыпуклой оптимизации (arXiv). Автор: Фэнмяо Бянь , Сяоцюнь Чжан Аннотация: в данной статье мы изучаем параметризованный метод расщепления Дугласа-Рэчфорда..
Компьютеры могут быть творческими, по крайней мере, с искусственным интеллектом — «вот как
3 слова. 11 слогов. Генеративно-состязательные сети. Возможно, вы уже слышали об этом термине. Он распространяется со скоростью лесного пожара среди энтузиастов машинного обучения, особенно в графическом отделе. Такие компании, как NVIDIA, работают над этой относительно новой технологией, которая была представлена ​​в 2014 году исследователями из Монреальского университета. NVIDIA использовала GAN для создания демонстрации игры, используя только кадры из реальной жизни и программу..
Оптимизация выбора экземпляра для снижения стоимости логического вывода машинного обучения
Руководство по эффективному развертыванию моделей машинного обучения в SageMaker На днях я решил взглянуть на рабочую нагрузку производственных моделей компании, в которой работаю, и понял, что многие из них используют типы экземпляров, которые им не положены, например, экземпляр с оптимизированным объемом памяти для модель, которая использовала только 4% доступной памяти. Я поговорил со своими коллегами и обнаружил, что многие из них выбирают один экземпляр и обнаруживают, что он не..
Введение в R для науки о данных (часть третья)
Это третье введение в R. Здесь будут рассмотрены основы фрейма данных, индексация и выбор фрейма данных, операции и многое другое. *Первоначально опубликовано в моем подстеке. Это лишь часть статьи. PS : пожалуйста, прочтите «Введение в R для науки о данных (часть вторая)», прежде чем читать это. Это продолжение второй части. Часть вторая: Введение в R для науки о данных (часть вторая) Фреймы данных Мы сможем организовывать и смешивать типы данных для создания структур данных..
Что такое карты Хенона? (дифференциальная геометрия)
Критическое место и жесткость слоений комплексных карт Хенона ( arXiv ) Автор : Миша Любич , Джон В. Робертсон Аннотация: мы изучаем отображения Энона, которые являются возмущениями гиперболического многочлена p со связным множеством Жюлиа. Мы даем полное описание критического места этих отображений. В частности, мы показываем, что для каждой критической точки c точки p существует примарная компонента критического множества, асимптотическая прямой y = c. При этом..
Инженерия данных (Pandas в Python и SQL)
Pandas была создана в 2008 году Уэсом МакКинни и использовалась для анализа данных в Python — библиотеке с открытым исходным кодом, предназначенной в первую очередь для простой и интуитивно понятной работы с реляционными или размеченными данными. Он включает ряд структур данных и процедур для работы с числовыми данными и временными рядами. Pandas построен на основе пакета NumPy, поэтому NumPy необходим для запуска Pandas. Каковы возможности использования Pandas? Pandas..