Публикации по теме 'data-science'
10 лучших статей об искусственном интеллекте 2020 года
10 лучших статей об искусственном интеллекте 2020 года
Оглядываясь назад на 2020 год, это одни из самых информативных и интересных статей, связанных с искусственным интеллектом, написанных на Medium.
В 2020 году мы стали свидетелями значительных событий и прогресса, которые раздвинули границы того, что, по нашему мнению, было невозможным в индустрии искусственного интеллекта.
Только в этом году публике был выпущен GPT-3; Демонстрация мозгового имплантата Илона Маска, больше..
Chatsonic: симбиоз человеческого общения и искусственного интеллекта
Вальс между людьми и технологиями был движущей силой прогресса нашей цивилизации. Можно утверждать, что самым ярким элементом этого танца является характер нашего общения. От наскальных рисунков до печатного станка и от телеграфа до Интернета люди постоянно развивались в том, как мы взаимодействуем друг с другом. С появлением искусственного интеллекта (ИИ) мы наблюдаем новую главу в этой истории: появление Chatsonic.
Основы НЛП часть -1 | Нежное введение в лемматизацию
За последние несколько месяцев у меня была возможность поработать над несколькими проектами НЛП. Практически во всех этих проектах мои задачи были прямыми и простыми. Подайте векторы слов (представление слов в виде числовых значений) в мою модель НЛП, займитесь настройкой параметров и затем получите соответствующий результат. Все это может показаться сложным, но если у вас есть предварительно обученная модель с фиксированной архитектурой, то вы практически ничего не делаете. Суть..
Поверхностное копирование и глубокое копирование — это два разных подхода к копированию объектов или структур данных.
Поверхностное копирование и глубокое копирование — это два разных подхода к копированию объектов или структур данных. Основное различие между ними заключается в том, как они обрабатывают ссылки на объекты в копируемой структуре данных.
Поверхностное копирование:
Поверхностное копирование создает новый объект и копирует ссылки на элементы исходного объекта в новый объект. Новый объект ссылается на те же ячейки памяти, что и исходный объект для своих элементов. Если в общие..
Как обучить модель машинного обучения?
Обучение модели машинного обучения включает несколько шагов и требует разных файлов в зависимости от конкретной задачи. Вот общий обзор шагов, связанных с обучением модели машинного обучения, и файлов, которые могут потребоваться:
Шаг 1: Подготовка данных
Для обучения модели машинного обучения обычно требуется набор данных, который можно использовать для обучения и оценки модели. Набор данных должен быть правильно отформатирован и очищен, чтобы обеспечить точность и согласованность..
Часть 1 — Управление, подключение и развертывание наших симуляторов на наших пограничных устройствах с помощью IoT Hub
Это первая часть серии Iot Edge, см. основную статью . Часть 2 в настоящее время находится в разработке и скоро появится.
Глядя на нашу архитектуру, мы должны иметь возможность подключать устройства и получать от них какой-то интересный вывод, прежде чем мы сможем что-то с ними делать. В этой первой части мы в основном сосредоточимся именно на этом — подключении наших устройств и отправке данных в наш ресурс Центра Интернета вещей.
Поэтому в этой части у нас есть следующие..
Работа с вариационными автоэнкодерами, часть 4 (машинное обучение)
Нейронные операторы вариационного автокодирования (arXiv)
Автор: Джейкоб Х. Сейдман , Джорджиос Киссас , Джордж Дж. Паппас , Пэрис Пердикарис .
Аннотация: Неконтролируемое обучение с функциональными данными — это новая парадигма исследований в области машинного обучения с приложениями к компьютерному зрению, моделированию климата и физическим системам. Естественным способом моделирования функциональных данных является изучение операторов между бесконечномерными пространствами, что..