Публикации по теме 'artificial-intelligence'
Меритократия под управлением ИИ
Что может быть справедливее власти, основанной на способностях и таланте человека? Все! Коренная проблема меритократии — это способ измерения вышеупомянутых «способностей и талантов». Как только вы определите правила, завтра появится толпа консультантов о том, как взломать их и получить желаемые атрибуты, не зарабатывая их.
Мы сталкиваемся с такими ситуациями во всех сферах нашей жизни: высшее образование, профессиональные сертификаты и даже поиск в Google. Да, просто скажите всем, что..
Насколько важны данные в машинном обучении?
Мы видим данные повсюду вокруг нас. Есть много компаний, которые генерируют большие объемы данных, которые можно использовать для различных целей машинного обучения и искусственного интеллекта соответственно. Мы видим Amazon, Facebook или Google, которые генерируют чрезвычайно большие данные.
Каждый поиск в Google может привести к созданию большого количества данных, и, добавив к этому большую базу пользователей, мы видим, что существует огромное количество данных. Таким образом, данных,..
Работа с полями нейронного излучения, часть 3 (машинное обучение)
Основы полей нейронного излучения
NeRF: Neural Radiance Fields Мы представляем метод, который обеспечивает самые современные результаты для синтеза новых видов сложных сцен путем оптимизации… www. matthewtancik.com
MEIL-NeRF: инкрементное изучение полей нейронного излучения с эффективным использованием памяти (arXiv)
Автор: Джэён Чунг , Кангеон Ли , Сунгён Байк , Кён Му Ли
Аннотация: Опираясь на возможности..
Как работает промежуточный надзор, часть 2 (машинное обучение)
Эффективная сегментация медицинских изображений с промежуточным механизмом наблюдения (arXiv)
Автор: Ди Юань , Цзюнян Чен , Чжэнхуа Сюй , Томас Лукасевич , Чжиган Фу , Гуйчжи Сюй .
Аннотация: Поскольку путь расширения U-Net может игнорировать характеристики небольших целей, предлагается промежуточный механизм наблюдения. Исходная маска также вводится в сеть как метка для промежуточного вывода. Тем не менее, U-Net в основном занимается сегментацией, а извлеченные признаки также..
Освоение функций потерь в машинном обучении для регрессии: полное руководство по оптимизации…
Введение:
Функция потерь является важным компонентом алгоритмов машинного обучения и статистических моделей. Его роль заключается в измерении несоответствия между прогнозируемым выходом модели и фактическим выходом, что позволяет нам количественно оценить производительность модели и повысить ее точность. Различные функции потерь используются в зависимости от типа решаемой проблемы и анализируемых данных, и их необходимо тщательно выбирать, чтобы гарантировать, что они отражают конкретные..
Создавайте интерактивные проекты с Jupyter Notebooks
Использование виджетов для создания удобной среды для создания интерактивных проектов Python и Data Science (бонус — 2 проекта!)
Большинство проектов Data Science и Python часто представляют собой строки кода с минимальной интерактивностью или вообще без нее. Для начинающих программистов это может быть серьезной проблемой, поскольку им необходимо постоянно использовать операторы печати, чтобы понять логику и рабочий процесс проектов, над которыми они работают в настоящее время.
Даже..
Как повысить надежность модели ИИ на «последней миле»
Искусственный интеллект (ИИ) и машинное обучение (МО) быстро стали ключевыми факторами трансформации бизнеса. Они могут улучшить операции, сократить расходы, повысить качество обслуживания клиентов и стимулировать рост доходов.
Однако последние инновации в машинном обучении и искусственном интеллекте ясно показали одну вещь: ИИ не работает изолированно.
Как создатели ИИ, мы должны понимать, что новые модели машинного обучения влияют на людей, процессы и другие технологии, особенно..
Новые материалы
Async Await в Swift: легкое управление параллелизмом
Введение в запуск асинхронного кода
Асинхронный код выполняет несколько операций одновременно. Параллелизм необходим при выполнении тяжелых вычислений или сетевых запросов. Однако это может..
Очистить файлы Program .cache в Ubuntu 20.10
Очистите кеш за несколько простых шагов!
GNU / Linux реализовал эффективное управление хранилищем для своих пользователей. Но заметили ли вы, что в вашей системе Linux заканчивается место,..
Использование Node.js для чтения действительно больших файлов (часть 1)
В этом сообщении в блоге есть интересный источник вдохновения. На прошлой неделе кто-то на одном из моих каналов в Slack опубликовал тестовое задание, которое он получил на должность..
Введение в градиентный спуск и обратное распространение
Введение в градиентный спуск и обратное распространение
Как машинное обучение?
Машинное обучение ( ML ) - это исследование компьютерных алгоритмов, которые автоматически улучшаются по..
Шаблон CQRS — C#
Этот архитектурный шаблон в основном говорит о том, что мы можем использовать одну модель для операций чтения, а другую — для операций записи. Звучит хорошо, но реализовать его может быть..
Освоение функций потерь в машинном обучении для регрессии: полное руководство по оптимизации…
Введение:
Функция потерь является важным компонентом алгоритмов машинного обучения и статистических моделей. Его роль заключается в измерении несоответствия между прогнозируемым выходом модели и..
10 языков программирования, которые изменят мир в 2023 году
Мир программирования постоянно развивается, и востребованные языки постоянно меняются. Однако есть несколько языков, которые выдержали испытание временем и по-прежнему очень ценны для изучения в..