Публикации по теме deep-learning

Публикации по теме 'deep-learning'

Развитие эпистемической неопределенности, часть 3 (машинное обучение)

О правилах оценки второго порядка для количественной оценки эпистемической неопределенности (arXiv) Автор : Виктор Бенгс , Эйке Хюллермайер , Виллем Вагеман . Аннотация: Хорошо известно, что точные вероятностные предикторы могут быть обучены путем минимизации эмпирического риска с использованием правильных правил подсчета очков в качестве функций потерь. В то время как такие учащиеся улавливают так называемую алеаторическую неопределенность прогнозов, недавно были разработаны..

«Раскройте потенциал Python для анализа данных: руководство по 5 основным библиотекам»

TL;DR: TL;DR: научитесь использовать Python, чтобы раскрыть всю мощь анализа данных. Максимально используйте свои ресурсы данных и получайте ценную информацию с помощью мощного набора инструментов Python для обработки и анализа данных. Начните изучать и понимать свои данные сегодня! Краткое содержание: Изучение и понимание данных — неотъемлемая часть любого проекта, основанного на данных. Это помогает нам выявлять закономерности и тенденции, а также раскрывать идеи, которые можно..

Вы ведете ядовитую беседу?

Как и любая другая история в наши дни, наша начинается с карантина COVID-19 . Этот проект - результат скучающих, но мотивированных энтузиастов ИИ. Это может быть не так впечатляюще, как сад на крыше, который построил Эндрю, или новая настройка Indian scout Bobber от Кейт, но это только начало. Прежде чем мы будем тратить ваше время попусту, давайте начнем с того, что именно представляет собой этот проект. И почему, если таковые имеются, вам стоит волноваться об этом. Этот проект..

Нарушение шаблона: бросая вызов общему разделению для обучения, проверки и тестовых наборов в машинах…

В этом посте мы рассмотрим определение подходящего соотношения для обучения, проверки и тестовых наборов в малых и больших базах данных. Фон Разделение набора данных на наборы для обучения, проверки и тестирования является важным шагом в построении модели машинного обучения, поскольку позволяет модели обучаться на одном наборе, настраивать на другом и оценивать на финальном наборе. Большие наборы данных выигрывают от большей части обучающих данных при перетасовке и обеспечении..

Повышение уровня теста Тьюринга: игры-эмуляторы и эволюция модельного интеллекта в 2023 году

Мультимодальный многопользовательский метод тестирования агентов и социальной дедукции для оценки современного ИИ Примечание автора: поскольку в настоящее время я нахожусь на стажировке, единственным источником дохода для меня является то, что вы хлопаете в ладоши за эту статью, поэтому, пожалуйста, хлопайте, если она вам понравилась! Фон

Работа с концепцией уравненных шансов (машинное обучение)

Уравненные шансы не равны индивидуальным шансам: постобработка для групповой и индивидуальной справедливости (arXiv) Автор: Эдвард А. Смолл , Кацпер Сокол , Дэниел Мэннинг , Флора Д. Салим , Джеффри Чан Аннотация: Групповая справедливость достигается за счет выравнивания распределений прогнозов между защищенными подгруппами; индивидуальная справедливость требует одинакового отношения к одинаковым людям. Однако эти две цели несовместимы, когда модель оценки калибруется с помощью..

Самоучитель по машинному обучению 2023 (1/6)

Часть 1. Краткий обзор Хотя область науки о данных и машинного обучения является относительно молодой, существует невероятное количество доступных ресурсов, и каждый день публикуется еще больше. Независимо от того, делаете ли вы первые шаги на пути к освоению машинного обучения или находитесь на более продвинутой стадии процесса обучения: огромное количество информации в Интернете может привести к потере ориентации и мотивации идти в ногу со временем. . Чтобы освоить машинное обучение..