Публикации по теме data-science

Публикации по теме 'data-science'

Работа с расхождением Дженсена Шеннона, часть 3 (машинное обучение)

Непараметрический вывод без правдоподобия с расхождением Дженсена-Шеннона для моделей на основе симулятора с категориальным выходом (arXiv) Автор : : Юкка Корандер , Улпу Ремес , Ида Холопайнен , Тимо Коски Аннотация: Вывод без правдоподобия для статистических моделей на основе симуляторов в последнее время вызвал всплеск интереса как в сообществах машинного обучения, так и в сообществах статистики. Основное внимание в этих областях исследований было сосредоточено на аппроксимации..

Тест времени: ChatGPT Plus против ChatGPT

Как и было обещано в моей предыдущей статье , я провел тест на время, сравнив ChatGPT Plus с ChatGPT. Чтобы выполнить этот тест времени, я протестировал ChatGPT и ChatGPT Plus с пятью различными подсказками и записал время завершения. Вот мои методы, результаты и краткое обсуждение. (Или можно перейти сразу к результатам ) Методы Я попросил ChatGPT сгенерировать пять разных запросов для самопроверки. У меня было общее представление о том, что я хочу для каждой подсказки, и я..

Оптимизация использования памяти в приложениях Python

Узнайте, почему ваши приложения Python используют слишком много памяти, и уменьшите ее использование с помощью этих простых приемов и эффективных структур данных. Когда дело доходит до оптимизации производительности, люди обычно сосредотачиваются только на скорости и использовании ЦП. Редко кого волнует потребление памяти, ну до тех пор, пока оперативка не кончится. Существует множество причин, по которым стоит попытаться ограничить использование памяти, а не только предотвращение..

Прогресс со стохастическим градиентным спуском, часть 3 (машинное обучение)

Скорости сходимости для импульсного стохастического градиентного спуска с шумом типа машинного обучения (arXiv) Автор : Бенджамин Гесс , Себастьян Кассинг . Аннотация :: Мы рассматриваем схему стохастического градиентного спуска по импульсу (MSGD) и ее непрерывный во времени аналог в контексте невыпуклой оптимизации. Мы показываем почти наверняка экспоненциальную сходимость значения целевой функции для целевых функций, которые являются липшицевыми и удовлетворяют неравенству..

5 способов объединить списки в Python

Почувствуйте гибкость и элегантность Python Много лет назад, когда я начал изучать Python, я понятия не имел, насколько он гибкий и элегантный. После прочтения и написания большого количества кода мне нравится Python все больше и больше. Потому что даже обычная операция может иметь множество различных реализаций. Хороший пример - слияние списков, и есть как минимум 5 способов сделать это. Эта статья познакомит их и покажет скрытые хитрости. 1. Добавление списков напрямую Самый..

Раскрывая чудеса машинного обучения: путешествие в будущее

Введение. В мире, наполненном данными, концепция машинного обучения на их основе может звучать как научная фантастика, но это реальность. Машинное обучение, увлекательная область искусственного интеллекта, открыло нам новую эру возможностей. От беспилотных автомобилей до персональных рекомендаций — влияние машинного обучения вездесуще. В этом блоге мы отправимся в исследовательское путешествие в области машинного обучения, раскрывая его суть, приложения и потенциал для формирования..

Данные для правосудия: студенты CDS MS Радж Чоудхари и Сюй Хан создают инструмент индикатора данных о тюрьме…

Этот проект стал возможен в сотрудничестве с Департаментом исправительных учреждений штата Иллинойс (IDOC) и Женским институтом правосудия (WJI) Студенты магистратуры CDS Радж Чоудхари и Сюй Хан вместе с Институтом городского управления Маррона Нью-Йоркского университета разработали онлайн-инструмент Индикатор данных , который собирает данные Департамента исправительных учреждений штата Иллинойс (IDOC) о тюрьмах и условно-досрочном освобождении. Инструмент был запущен в..