Публикации по теме 'machine-learning'
«Руководство по продукту» для машинного обучения
Действительно ли это меняет то, как работает команда, если продукт включает в себя машинное обучение?» Краткий ответ - да!
Команды машинного обучения и команды разработки программного обеспечения часто работают по-разному, и чтобы быть отличным менеджером по продукту в команде машинного обучения, вам необходимо понимать различия между SWE и машинным обучением, а также основные концепции машинного обучения.
Цель этой статьи — предоставить вам знания и ресурсы, необходимые для решения..
Добавление AI/ML в IoT с помощью Gravio
В этой документации вы узнаете, как обучить обнаружение объектов с помощью даркнета YOLO и внедрить их в Студию Gravio .
Одной из многих функций Gravio Studio и Hubkit является возможность улучшить ваши устройства IoT с помощью функций искусственного интеллекта, таких как распознавание объектов. Это поможет вам обучить вашу собственную модель обнаружения объектов и внедрить ее в Gravio , чтобы вы могли в дальнейшем использовать ее для личного использования позже.
Надеюсь, это поможет..
Развертывание веб-приложения глубокого обучения
Машинное обучение в Akash DeCloud (часть 3/3): развертывание приложений машинного обучения в децентрализованном облаке
В Часть 1 моей серии из трех статей, посвященных машинному обучению в Akash Network , мы развернули в Akash полную среду Jupyter с ядром Python и установленным TensorFlow и использовали ее. обучить сверточную нейронную сеть (CNN) распознаванию рукописных цифр на наборе данных MNIST . В Часть 2 мы связали модель с TensorFlow Serving , чтобы предоставить..
Типы регуляризации в машинном обучении
Типы регуляризации в машинном обучении
Руководство для начинающих по регуляризации в машинном обучении.
В этой статье мы рассмотрим, что такое регуляризация, зачем она нам нужна и какие типы регуляризации обычно используются в моделях машинного обучения.
Почему регуляризация?
Регуляризация часто используется как решение проблемы переобучения в машинном обучении. Распространенные причины переобучения:
Когда модель достаточно сложна, чтобы начать моделировать шум в обучающих..
Компромисс человеческого предубеждения и точности
Компромисс человеческого предубеждения и точности
Понимание того, как исторические данные могут привести к алгоритмическому смещению на наивном примере модели прогнозирования компенсации
Быть человеком - значит быть предвзятым?
Предубеждение - это тенденция или склонность к предпочтению или нежеланию одного набора над другим. У всех людей есть определенная степень предвзятости, потому что мы по своей сути запрограммированы на распознавание любого другого как угрозы...
Реализация пользовательских генераторов данных в Keras
Как реализовать настраиваемые генераторы данных для включения динамического потока данных в модели Keras
Генераторы данных - одна из самых полезных функций Keras API. Рассмотрим сценарий, в котором у вас много данных, так много, что вы не можете хранить их все сразу в ОЗУ. Вид? Очевидно, что покупка дополнительной оперативной памяти - не вариант.
Что ж, решением этой проблемы может быть загрузка мини-пакетов, загружаемых в модель динамически. Именно этим и занимаются генераторы..
Анализ настроений и обработка естественного языка
Нет никаких сомнений в том, что мы производим огромное количество данных каждый день, но большая часть этих данных не является числовой. Таким образом, может быть очень сложно выполнить какой-либо анализ данных или традиционные задачи машинного обучения на указанных данных. К счастью, область обработки естественного языка быстро растет и расширяется. Если вы когда-нибудь задумывались, как Siri может понять, что вы говорите (или почему она не может), или как Google Ads может меняться в..
