Публикации по теме 'machine-learning'
Matplotlib для визуализации данных-II
Я продолжил пост снизу: https://medium.com/@raksheshashank/matplotlib-for-data-visualization-i-cf4684197e98
# Построение гистограммы
data={'Имя':['Арнав','Шила','Азхар','Бинси'","Яш","Назар"], "Рост":[60,61,63,65, 61,60]"Вес":[47,89,52,58,50,47]} df=pd.DataFrame(data) df.plot(kind='hist') plt.show()
# Настройка гистограммы
2. data={'Имя':['Арнав','Шила','Азхар','Бинси',Яш","Назар"], "Рост":[60,61,63, 65,61,60]"Вес":[47,89,52,58,50,47]} df=pd.DataFrame(data)..
Размышляя о своем путешествии через этап стажировки в Хамойе A: Введение в Python для машин…
Введение
Недавно завершив этап А программы стажировки в Хамойе, я очень рад поделиться своими размышлениями об этом преобразующем опыте. Этап A дал мне прочную основу в науке о данных, особенно в Python для машинного обучения, снабдив меня необходимыми навыками и знаниями, чтобы преуспеть в этой области. В этой статье рассматриваются ключевые компоненты этапа А: от манипулирования и предварительной обработки данных, визуализации данных до практических проектов, наставничества и..
Кластеризация K-средних
Введение
Кластеризация K-средних — это неконтролируемый алгоритм машинного обучения, который используется для решения проблем кластеризации в машинном обучении. В реальных сценариях немаркированные данные, которые могут существовать для решения проблем. В таких случаях алгоритм K-средних играет жизненно важную роль в решении проблемы. При этом неразмеченные данные разбиваются на подгруппы. Где группы можно назвать кластером. Группировка может быть выполнена по данным, имеющим..
Найдено на этой неделе # 154
Фото недели
В недавней поездке в Лимерик я поиграл в туриста и прокатился на панорамном колесе! Погода портилась, и вид на реку был фантастическим. Я сделал там несколько хороших кадров, в том числе тот, что внизу Крепости .
В этом выпуске: влияние ирландских университетов, Tensorflow Lite на микроконтроллерах, черная дыра M87, опрос разработчиков Stack Overflow, GoT, сбои 737-Max и Derry Girls!
Первоначально опубликовано на www.foundthisweek.com 14 апреля 2019 г...
Округленная оценка рекомендательных систем
EvalRS: оценка рекомендательных систем во многих тестах
В этой статье описывается новый вызов данных и кода, который в настоящее время выполняется: EvalRS .
Мы решили организовать EvalRS с друзьями из Coveo, Microsoft и NVIDIA, чтобы лучше понять оценку в рекомендательных системах.
Присоединиться к вызову может любой желающий. Существуют призы за лучшие системы, лучшие идеи и лучшие студенческие работы. Также есть возможность представить системы на конференции CIKM.
Если вы..
Почему глубокое обучение не всегда лучший подход к обучению с учителем?
В настоящее время существует множество различных алгоритмов машинного обучения, которые можно применять, и кажется, что методологии глубокого обучения являются лучшими из всех, но небольшая теорема показывает, что это не так.
Студентов обычно поражают глубокие нейронные сети. Я не виню их, это имя имеет сильный маркетинговый эффект, а в исследованиях, как и в бизнес-маркетинге, это фундаментальный ключ к успеху. На самом деле, глубокие нейронные сети имеют очень мало общего с нашим..
Краткое изложение учебного пособия NAACL 2022: сопоставление данных и обучение обработке естественного языка
Некоторый контент в этом руководстве аналогичен тому, который я поделился в разделе Краткий обзор учебного пособия по NeurIPS 2021 | Самоконтролируемое обучение: самопрогнозирование и контрастное обучение . Оба учебника содержат исчерпывающие обновления по обучению с самостоятельным наблюдением и контрастному обучению, а этот учебник NAACL 2022 больше фокусируется на применении контрастного обучения в НЛП. Пожалуйста, ознакомьтесь с моим последним постом, так как я не буду подробно..
