Публикации по теме machine-learning

Публикации по теме 'machine-learning'

Диагностика неисправностей машин

Эта история изначально была написана для премии Расширенные навыки письма для артикуляционных исследований (AWSAR) 2018 года. Она написана нетехническим языком, чтобы быть доступной как можно большему количеству людей, независимо от их образования. Рассказ также вошел в список 100 лучших рассказов премии. Полный список лауреатов и их истории можно посмотреть здесь . Прелюдия Восходящее солнце своим нежным светом знаменует приход утра. Щебетание птиц, а также время на наших..

Метрики оценки в задаче классификации

Классификация — это контролируемая модель машинного обучения, используемая для классификации новых наблюдений. Модель учится на обучающих данных и классифицирует новые наблюдения. Выбор правильной метрики оценки для задачи классификации важен, поскольку она может варьироваться от проблемы к проблеме. Давайте разберемся с метриками оценки классификации. 1. Точность Точность просто измеряет, насколько часто модель правильно предсказывает. Это отношение количества правильных..

Тележки для покупок — оптимизированы с помощью #DeepLearning, генетических алгоритмов и графических процессоров.

Проблема — когда несколько продавцов (каждый с несколькими складами!) могут продавать один и тот же товар, какая комбинация продавцов/складов минимизирует общую стоимость корзины, включая цену, доставку и комиссионные. И помните, чем больше товаров в корзине, тем дороже поиск, но и больше экономия. Решение - Генетические алгоритмы поиска #MachineLearning для поиска оптимальных алгоритмов CUDA для запуска этих алгоритмов Читайте дальше, чтобы узнать захватывающие подробности —..

Статистический вывод и QnA со случайной выборкой

Q1. Предполагается, что количество претензий, поступающих в страховую компанию за рабочий день, имеет среднее значение 40 и стандартное отклонение 12. Опрос проводился в течение 50 рабочих дней. Рассчитайте вероятность того, что среднее по выборке количество заявок, поступающих за рабочий день, будет меньше 35. Сол:- После нахождения вероятности в определенный момент нам требуется таблица Z-оценки, чтобы узнать вероятность меньше или больше. Q2. Общее количество новых обращений..

Как использовать TensorBoard с Google Colab

В связи с недавним интересом к искусственному интеллекту, машинному обучению и аналитике данных одним из самых больших препятствий для инженера по машинному обучению, специалиста по данным и аналитика данных является выделение правильного оборудования для обучения модели. Однако теперь любой желающий может начать обучение модели с помощью Google Colab. Google Colab - это бесплатный ноутбук Jupyter, который позволяет вам использовать бесплатные графические процессоры Nvidia Tesla..

Катастрофическое форсированное событие для цифрового здравоохранения

Я помню, как у меня был очень откровенный разговор с моим наставником после краха .com, террористических атак 11 сентября и рецессии в начале 2002 года. Я был техническим директором стартапа, в котором он был главным инвестором, и мы изо всех сил пытались разобраться в «новом нормальном» ландшафте. Он сказал, что будущее, обещанное нам годами бума .com в 1995–2000 годах, было слишком ранним и что для его продвижения вперед необходимо «катастрофическое форсирующее событие». Действительно,..

ENet - глубокая нейронная архитектура для семантической сегментации в реальном времени

Резюме на бумаге Это краткое изложение статьи: ENet: архитектура глубокой нейронной сети для семантической сегментации в реальном времени от Адама Пашке Документ : Https://arxiv.org/abs/1606.02147 Обзор ENet (эффективная нейронная сеть) дает возможность выполнять семантическую сегментацию по пикселям в реальном времени. ENet работает до 18 раз быстрее, требует в 75 раз меньше FLOP, имеет в 79 раз меньше параметров и обеспечивает аналогичную или лучшую точность по..