Публикации по теме 'data-science'


Функции графов в машинном обучении
Мы можем добавить функции графа в нашу модель машинного обучения, такие как центральность собственного вектора. Например, предположим, что мы хотим предсказать, пройдет ли студент курс на основе своего учителя и консультанта. В приведенном ниже классе Python мы рассчитываем центральность среди учителей и консультантов. Аналогичным образом мы заменяем эти категориальные уровни значениями центральности, хотя мы могли бы легко изменить код, добавив столбец и оставив исходные значения..
Лучшие библиотеки Python для визуализации данных (статическая и интерактивная визуализация)
Коллекция библиотек Python, используемых для визуализации данных. Прежде чем мы перейдем к коллекции библиотек Python для визуализации данных, было бы неплохо узнать несколько фундаментальных понятий о визуализации данных и понять, почему это важно. Я считаю, что визуализация — одно из самых мощных средств достижения личных целей. — Харви Маккей По сути, мы не умеем рассказывать истории с помощью данных. Визуализация данных помогает нам сократить время, необходимое для..
Расширенное программирование с помощью Kotlin (часть 6)
Улучшения языка в выпуске Kotlin 1.4 Kotlin 1.4 был выпущен недавно с множеством долгожданных функций и захватывающих улучшений во всех его доменах. Это важная веха в эволюции Kotlin как платформы, сосредоточенная на приведении стандартной библиотеки в соответствие с ожиданиями разработчиков. В этой статье мы собираемся их изучить. Одна из интересных вещей, о которых я хочу упомянуть, - это онлайн-мероприятие Kotlin, которое состоялось 12 октября. Записи мероприятия доступны на..
Анализ Fantasy Premier League
В конце прошлой недели мы все думали об одном: «Премьер-лига возвращается». С того момента, как кто-то начал следить за игрой, «MatchDay Live» всегда был чем-то, чего можно было бы ожидать. Вам никогда не был нужен план на выходные. И мы не были исключением. Увлекается игрой и ее драмами. Но у нас были и другие интересы. Конечно, это связано с игрой, а именно с скрытой за ней наукой. Цифры и закономерности заинтриговали нас не меньше, чем цели и решения. И здесь на помощь приходит..
Когда развертывание вашей модели машинного обучения не просто
Развертывание машинного обучения в сложных средах — решения для машинного обучения на периферии Введение Я работаю с клиентами в секторах энергетики и финансовых услуг уже большую часть десятилетия. У них часто есть талантливые специалисты по данным, которые могут создавать превосходные модели. Это многообещающе, поскольку в данных, которыми владеют многие из этих организаций, так много неиспользованного потенциала — я действительно думаю, что мы увидим колоссальные сдвиги в этих..
Почему вам нужно начать использовать Map, Filter, Reduce и Lambda в Python
В этом уроке мы обсудим, почему нам нужно начать использовать следующие функции (Map, Filter, Reduce и Lambda) в Python. Мы обсудим важность и то, как мы можем реализовать это в нашем коде. Перед этим самое важное, что нам нужно сначала понять, это функциональное программирование.
Видеоигры во времени
Как геймер, я всегда хотел увидеть эволюцию игр на протяжении многих лет, и сегодня у меня была возможность взглянуть на прошлые данные о продажах игр всех жанров, и в этой статье я покажу прошлое. записи о выпусках игр и относительных продажах, а также о том, как они меняются с течением времени. Источник данных Во-первых, в качестве набора данных я выбрал этот набор данных от Kaggle, набравший более 5000 голосов, который включает в себя информацию и данные о продажах более чем 11000..