Публикации по теме 'python'


Раскрытие возможностей преобразований Фурье в науке о данных и машинном обучении
Преобразования Фурье: математическая концепция, которая стала краеугольным камнем в мире науки о данных и машинного обучения. В этой статье мы собираемся сделать эту, казалось бы, сложную концепцию доступной и интуитивно понятной. Мы начнем с изучения реального набора данных, используя Python в качестве предпочтительного инструмента для анализа сигналов и выявления скрытых закономерностей. Но мы не останавливаемся на теории. Мы задействуем преобразования Фурье в сфере обработки..
ML Engineering и ML Ops для удовольствия и прибыли —  Часть 1
E8Manifold — ML Ops для серьезных специалистов по данным и инженеров по машинному обучению Фон В прошлом Jupyter Notebooks использовались для разработки и обучения машинному обучению на этапе разработки. Однако вопрос развертывания моделей машинного обучения подробно не рассматривался. Элементы ML-систем Платформы машинного обучения включают в себя множество элементов, включая сбор данных, проверку данных, настройку, разработку функций, конфигурацию, анализ моделей, планирование..
КАК УСТАНОВИТЬ TENSORFLOW [(импортировать тензорный поток как tf)]
Недавно я хотел изучить Tensorflow, поэтому я потратил некоторое время и сосредоточился на Tensorflow. В этом посте я расскажу вам, как установить Tensorflow (версия для процессора). Вот простые шаги по Как начать работу с Tensorflow в Windows? Загрузите Anaconda здесь и установите его в свою систему в соответствии с вашими требованиями. После установки Anaconda создайте виртуальную среду. Чтобы создать эту открытую командную строку, введите команду ›conda create -n..
Худшие решения 2023 года: наука о данных
Reddit сказал Это легкая история о том, что люди должны были сказать, когда я спросил их об их худших новогодних резолюциях в науке о данных. Вот так! Худшее решение 1: «Отличное предложение» от SupplyChainPhD Предоставление общего доступа ко всем файлам Excel с помощью экрана печати, сохранения в формате pdf Мы все сталкивались с этим, особенно в сфере здравоохранения. Я наткнулся на множество начальных записей пациентов в EHR…
ИЗУЧИТЕ ПИТОН СЕЙЧАС! Книга: Столпы Питона. 10 — Переменные II: Кортежи
«Всегда делай то, что боишься». Ральф Уолдо Эмерсон Кортежи Кортежи — это упорядоченные последовательности, в которых хранятся разные объекты (до сих пор они напоминали списки). Однако, в отличие от списков, кортежи являются неизменяемыми, то есть вы не можете их изменять (ни добавлять, ни удалять элементы, ни сортировать их, вы не можете изменить их форму). Тогда для чего они? Они быстрее и безопаснее (положительный момент в том, что их нельзя модифицировать). Я обычно..
Понимание документов без OCR с помощью Donut
Используйте недавно выпущенную модель Transformers для создания JSON-представлений данных вашего документа. Визуальное понимание документов (VDU) — это активно изучаемая новая область глубокого обучения и науки о данных, особенно потому, что в PDF-файлах или отсканированных документах содержится множество неструктурированных данных. Последние модели, такие как LayoutLM , используют архитектуру модели глубокого обучения трансформеры для маркировки слов или ответов на заданные вопросы..
Выбор лучшей модели для набора данных о жилье в Бостоне с использованием перекрестной проверки в Python
Машинное обучение — это быстро развивающаяся область, предоставляющая мощные инструменты для анализа и прогнозирования данных. Одной из ключевых задач машинного обучения является выбор модели, который включает в себя выбор лучшей модели из набора моделей-кандидатов. В этой статье мы рассмотрим, как использовать перекрестную проверку для выбора лучшей модели для набора данных Boston Housing, широко используемого набора данных в машинном обучении. Набор данных Boston Housing содержит..