Публикации по теме 'data-science'
Работа с маркировкой семантических ролей, часть 5 (искусственный интеллект)
Сестринская справка: увеличение данных для маркировки семантической роли кадров (arXiv)
Автор: Аюш Панчоли , Мириам Р.Л. Петрук , Свабха Сваямдипта .
Аннотация: Хотя FrameNet широко известен как богатый ресурс семантики в обработке естественного языка, основные критические замечания касаются его недостаточного охвата и относительной нехватки размеченных данных по сравнению с другими широко используемыми лексическими ресурсами, такими как PropBank и VerbNet. В данном документе..
Простая модель нейронной сети для MNIST с использованием PyTorch
В этой записной книжке мы подробно рассмотрим, как построить простую модель глубокого обучения (ИНС) для прогнозирования меток рукописных цифр с учетом их изображения. Мы будем использовать набор данных MNIST от Kaggle для обучения модели ( ссылка ). Я сделаю все возможное, чтобы все было максимально просто, и объясню шаги и процесс, которым мы следуем по мере изучения этой записной книжки. Первым шагом является проверка набора данных, формата, в котором хранятся изображения, и..
Методы выбора признаков в машинном обучении
Различные способы, которыми мы можем выбрать лучшие функции, чтобы получить оптимальное соответствие между данными и моделью машинного обучения.
Модели машинного обучения могут учиться на данных и делать прогнозы на основе шаблонов и отношений, существующих в данных. Однако не все функции в данных могут быть релевантными или информативными для поставленной задачи. Фактически, включение нерелевантных или избыточных функций может нанести ущерб производительности модели машинного обучения...
Развертывание моделей машинного обучения с использованием контейнеров тремя способами
В этой статье из нашей серии статей о декларативных MLOps я рассказываю о том, как вы можете обернуть свою модель в контейнер для обслуживания прогнозов тремя способами — как служба HTTP, через очередь сообщений и как пакетный процесс.
Итак, вы обучили свою потрясающую модель машинного обучения с помощью блокнота Jupyter, достигли тех смехотворно высоких показателей точности, которыми вы гордитесь, доказали, что скептики в вашей компании ошибались, и хотите, чтобы ваша модель была..
Анализ главных компонентов (PCA)
Это мой первый блог, и самая интересная тема, которую я нашел, — это анализ главных компонентов (PCA).
Что такое PCA??
Это неконтролируемая проблема машинного обучения. Ее основная цель — уменьшить проклятие размерности. Это метод уменьшения размерности, который часто используется для уменьшения размеров от высоких к низким, сохраняя при этом сущность данных или Проще говоря, уменьшите количество переменных в наборе данных, выбрав только те переменные, которые дают нам как можно больше..
Идти в ногу с данными - список для чтения 18-я неделя
Многие компании хотят правильно «начать с данных». Итак, они ждут идеального момента - когда новая система будет внедрена, будет собрано больше данных, команда будет нанята, преобразование завершится и так далее. К сожалению, идеальный момент никогда не наступает. Все как в жизни. Обычно я предлагаю: просто сделай это. Начните с стратегии обработки данных, основанной на недостатках, а не продолжайте ждать вечно. Но первый шаг всегда самый трудный.
Чтобы сделать это немного проще,..
8 примеров для освоения функций SQL Rank, Dense Rank и Row Number
Они и разные и похожие.
Оконные функции SQL весьма полезны во многих случаях и предоставляют простой способ связать строки на основе атрибута.
Оконная функция выполняет вычисления для набора строк таблицы, которые так или иначе связаны с текущей строкой. Этот набор может быть всей таблицей или строками, принадлежащими определенной группе.
В этой статье мы решим 8 примеров, чтобы получить полное представление о трех часто используемых оконных функциях:
ROW_NUMBER RANK..
Новые материалы
Уравнение множественной нелинейной регрессии с использованием панели инструментов нейронной сети
Я анализирую данные с шестью входами и одним выходом. Я обучил сеть с помощью Neural Network Toolbox. Я хочу, чтобы эта сеть предсказывала математическую модель или уравнение регрессии...
Методы выбора признаков в машинном обучении
Различные способы, которыми мы можем выбрать лучшие функции, чтобы получить оптимальное соответствие между данными и моделью машинного обучения.
Модели машинного обучения могут учиться на данных..
Что такое глубокое обучение и как происходит волшебство?
Простое краткое руководство - для всех.
Искусственный интеллект, машинное обучение, чат-боты, НЛП - все это модные словечки в наши дни. От разработчиков до аналитиков и владельцев бизнеса..
Развертывание моделей машинного обучения с использованием контейнеров тремя способами
В этой статье из нашей серии статей о декларативных MLOps я рассказываю о том, как вы можете обернуть свою модель в контейнер для обслуживания прогнозов тремя способами — как служба HTTP, через..
Кеширование во Flutter для Интернета
Как предоставить вашим клиентам самые свежие и лучшие
Яркая сторона кеширования
Кэширование отлично подходит для частой выборки больших ресурсов: библиотек, изображений или других..
Искусственный интеллект: машинное обучение
Машинное обучение — это быстро развивающаяся область компьютерных наук, которая фокусируется на обучении компьютеров обучению на основе данных без явного программирования. Его важность..
Анализ главных компонентов (PCA)
Это мой первый блог, и самая интересная тема, которую я нашел, — это анализ главных компонентов (PCA).
Что такое PCA??
Это неконтролируемая проблема машинного обучения. Ее основная цель —..