Публикации по теме 'open-data'
Каким будет обучение виртуальным наукам о данных на ODSC Europe 2020
Виртуальное обучение дает возможность освоить новые востребованные навыки и инвестировать в свое будущее таким образом, который отражает ваши ограничения по времени и поездкам. Этой осенью ODSC привнесет свои уникальные преимущества в виртуальную платформу, чтобы сделать виртуальную конференцию ODSC Europe 2020 еще лучше .
[Статья по теме: Чего ожидать от виртуальной конференции Europe 2020 ]
На Виртуальной конференции ODSC Europe 2020 у нас будут возможности для..
Выпущен TerriaJS v5.5.0
Выпущен TerriaJS v5.5.0
Если вы не знакомы, TerriaJS - это фреймворк с открытым исходным кодом для геопространственного веб-картографирования и исследования каталогов. Мы только что опубликовали v5.5.0, который является самым большим и захватывающим релизом за последнее время!
Сплиттер
Новый элемент управления разделителем - отличный способ визуально сравнивать наборы данных. Перетаскивая ползунок разделителя вперед и назад по карте, мы можем сравнить набор данных в два разных..
Синтетические данные алмазов
Мой коллега Митч сравнивает синтетические данные с синтетическими алмазами, когда представляет наше ценностное предложение потенциальным клиентам. И это действительно подходящая аналогия. Синтетические алмазы почти неотличимы от настоящих алмазов для человеческого глаза, они имеют одинаковую структуру и обладают такими же ценными характеристиками, как твердость, чистота и теплопроводность. Тем не менее, на их формирование уходит на 3 миллиарда лет меньше, они обходятся дешевле и считаются..
Лучшие сессии ODSC Europe 2020 доступны бесплатно по запросу
Мы только что завершили наш ODSC Europe, четыре дня практических занятий, семинаров и переговоров по темам и инструментам, определяющим будущее науки о данных и искусственного интеллекта под руководством известных экспертов. Если вы не смогли присоединиться к нам, не волнуйтесь, у вас все еще есть шанс испытать ODSC Europe по запросу на нашей платформе AI+ .
[Подробнее об OpenDataScience: Экспертиза в области обработки и анализа данных, которая поможет вам получить работу в 2020..
Интерпретируемое машинное обучение - справедливость, подотчетность и прозрачность в системах машинного обучения
Примечание редактора. Саяк будет выступать на ODSC West в Сан-Франциско в ноябре этого года! Обязательно ознакомьтесь с его докладом Интерпретируемое машинное обучение - справедливость, подотчетность и прозрачность в системах машинного обучения »там!
Проблема в том, что оценивать системы машинного обучения намного сложнее, чем обучать их. Это требует ответственного подхода, требует большего, чем просто расчет показателей потерь. Прежде чем запускать модель в производство,..
НЛП без готового набора данных
Обработка естественного языка (NLP) является частью многих повседневных приложений, которые мы используем. Популярное описание НЛП наполнено различными алгоритмами, современными архитектурами нейронных сетей и так далее. Хотя это недалеко от реальности, это также дает неполную картину.
Типичный конвейер разработки системы НЛП может выглядеть так, как показано на рисунке ниже:
(источник: рис. 2–1, глава 2 на сайте www.practicalnlp.ai)
Как видно из рисунка, отправной точкой..
Ликвидность данных в эпоху умозаключений
Возраст умозаключений
Это особое время в эволюционной истории вычислительной техники. Часто используемые термины, такие как большие данные, машинное обучение и искусственный интеллект, стали популярными описателями более широкого изменения в обработке информации. В то время как традиционные вычисления, основанные на правилах, никуда не денутся, новая вычислительная парадигма формируется вокруг вероятностного вывода, когда цифровые рассуждения учатся на примерах данных, а не жестко..