Публикации по теме 'data'


Получите неиспользуемые источники данных на сервере Tableau с помощью REST API
Вы когда-нибудь создавали несколько источников данных в своей серверной среде и не знали, какие источники данных использовались и не использовались в рабочих книгах? Одной из ваших задач в качестве администратора сервера Tableau является отслеживание и мониторинг всех источников данных сервера. Вам нужно знать все источники данных, которые были использованы и неиспользованные. Используя REST API Tableau Server, вы можете программно управлять ресурсами Tableau Server и изменять их...
Попытка изложить историю НЛП в пяти статьях: часть II
Эта статья является второй в серии из двух статей об истории НЛП, рассказанной в контексте пяти исследовательских работ. Действие происходит в середине 1970-х. Чтобы просмотреть первую статью, нажмите здесь . Разработка ресурсов корпуса Начавшаяся в конце 70-х академическая эра, ориентированная на отношения, заложила основу для грамматико-логической стадии НЛП. Поскольку исследователи искали логические представления значения и знания, этот этап привел к развитию многих..
ThinkData о разрешении объектов на TMLS 2019
В 2018 году ThinkData сформировала команду DataLabs, чтобы решить проблему устранения неоднозначности сущностей реального мира из данных и предоставить нашим пользователям эффективные, гибкие и адаптированные к их конкретному варианту использования инструменты разрешения сущностей. Наш ведущий специалист по данным, Хоён Джанг, и выпускник Co-op Data Science Co-op, Ченг Лин, имели возможность выступить на Саммите по машинному обучению в Торонто в 2019 году. В этом видео они подробно..
Краткое описание машинного обучения с учителем
Как видно из изображения в формате GIF ниже, кто-то должен обучить машину на ранней стадии, прежде чем позволить машине выполнять прогнозирование самостоятельно, это контролируемое обучение . Обучение с учителем похоже на обучение ребенка ходьбе: вы будете держать ребенка за руку и показывать ему / ей, как ходить, выполняя своего рода демонстрацию ходьбы, пока ребенок сам не научится ходить самостоятельно. В рамках контролируемого обучения у нас есть несколько типов, и основные..
5 выводов данных из Netflix, SignalFire и Ocean Protocol
Панель @ World Summit AI: Тони Джебара, директор по машинному обучению в Netflix; Илья Кирнос, технический директор SignalFire; Трент МакКонаги, технический директор Ocean Protocol; Майк Райнер, венчурный партнер OpenOcean Основные моменты видео: 5 основных извлеченных уроков Подготовьте процесс сбора данных до фактического сбора данных. Что вы можете сделать, если у вас мало данных? Загрузите свои данные. Нарисуйте образцы вашего размещения, чтобы построить модель,..
Полезные заметки об искусстве увеличения данных!
Допустим, вы хотели создать классификатор изображений из реального мира, но обнаружили, что можно получить только 20 изображений. Вы думали, что сможете собрать больше изображений и получить в сумме 100. Вы знаете, что если вы потратите больше времени, вы сможете получить 150, 200, 250, но это медленно и сложно ... Что вы можете сделать, чтобы получить достаточно обучающих изображений для вашего классификатора? Поскольку ML успешно решает сложные проблемы, существует потребность в..
Различные подходы к работе с категориальными ценностями
"Машинное обучение" Различные подходы к работе с категориальными ценностями Функциональная инженерия, часть II Машинное обучение - это искусство заставить компьютер учиться самостоятельно. В ML мы изучаем различные типы алгоритмов, которые автоматически улучшаются по мере накопления опыта. В каждой задаче машинного обучения у нас есть некоторые данные, затем мы применяем алгоритм машинного обучения и создаем модель, которая может предсказывать новые предстоящие данные. Во всем..