Публикации по теме machine-learning

Публикации по теме 'machine-learning'

Обработка естественного языка

Наш следующий вебинар состоится во вторник, 21 февраля 2023 г. Рост онлайновых социальных платформ привел к взрывному развитию письменного текста в виде блогов, постов, твитов, вики-страниц и т. д. Это новое богатство данных предоставляет уникальную возможность исследовать естественный язык во многих его формах, как в качестве способ автоматического извлечения информации из письменного текста и способ искусственного создания текста, который выглядит естественным. В этом видео мы..

Серия AI Founder: решение проблем, уникальных для стартапов с поддержкой AI

Почти на каждом мероприятии в сфере высоких технологий, которое я посещаю, по крайней мере один человек спрашивает меня, что значит инвестировать в «стартапы с ИИ». Я неизбежно слышу: «Но разве не каждой компании суждено стать ИИ-компанией?» Честно говоря, они правы - у каждой компании скоро появится какой-то аспект своего бизнеса, основанный на машинном интеллекте. Но на мой взгляд, дело не в том, что каждая компания использует ИИ; речь идет о том, что определенная группа компаний..

Порядок работы XGBoost

XGBoost — популярный алгоритм машинного обучения, который используется как для задач регрессии, так и для задач классификации. Он работает путем объединения нескольких деревьев решений для создания надежной модели ансамбля, которая может делать точные прогнозы. Алгоритм сначала создает единое дерево решений и использует его для прогнозирования обучающих данных. Затем он вычисляет ошибки или остатки этих прогнозов и создает новое дерево решений, ориентированное на прогнозирование этих..

Музыкальные тренды Sertanejo на 2018 год, созданные искусственным интеллектом

Во-первых, это не апокалиптическое видение того дня, когда людей заменят машины. Но с тех пор, как первые обезьяны начали использовать палки, чтобы приносить муравьям деревья, в нашу жизнь вводятся инструменты для ускорения любого процесса. И если вы автор песен, я должен сказать вам одну вещь. Ваша работа в опасности. Или, может быть, у вас просто новый коллега =) Я знаю, что легче думать в ИИ. в физико-математическом контексте. Но это правда, компьютер может научиться творческому..

Варианты использования приближения Нистрёма, часть 3 (машинное обучение)

Приближение Нистрема с неотрицательной матричной факторизацией (arXiv) Автор : Юнцюань Фу Аннотация: Руководствуясь необходимостью оценки кластеризации по близости с частичными измерениями расстояния от точек наблюдения или ориентиров для удаленных сетевых систем, мы показываем, что задача кластеризации по близости может быть эффективно сформулирована как задача аппроксимации Нистрема, которая решает кластеризацию ядра K-средних. проблема в сложном пространстве. Мы реализуем..

Объяснение оптимизаторов Keras: оптимизатор Adagrad

Обзор оптимизации Adagrad Adagrad (алгоритм адаптивного градиента) предназначен для адаптивного масштабирования скорости обучения каждого параметра на основе исторической информации о градиенте. Он особенно полезен для разреженных данных и успешно используется в различных задачах НЛП и нейронных сетей. Давайте воспользуемся аналогией с человеком, идущим по лабиринту, чтобы добраться до выхода (или самой низкой точки долины), чтобы сравнить SGD, Momentum и Adagrad. Представьте, что..

Расшифровка игровой площадки Kaggle: раскрытие секретов кода 5 лучших исполнителей

Введение В области наук о данных и соревнований по машинному обучению Kaggle’s Playground выделяется как арена, где начинающие специалисты по данным демонстрируют свои навыки и опыт. В каждом соревновании за желанные призовые места борются многочисленные участники. Среди них несколько избранных выходят победителями, закрепляя свои позиции в неуловимой пятерке лидеров. Начинающие энтузиасты данных и конкуренты часто задаются вопросом, что отличает этих лучших исполнителей и побуждает их к..