Публикации по теме 'data-science'
Галлюцинации
Когда ИИ галлюцинирует, он может причинить вред: выдуманная бумажная цитата, фиктивная рекомендация по лекарству, неверно истолкованный юридический прецедент. Но это также может быть весело.
Сегодняшний проект — генератор рецептов. Вы говорите подсказке, что вы хотите приготовить, ставите галочки напротив диетических предпочтений, и она генерируется. Ваши рецепты можно увеличивать или уменьшать по мере необходимости, они хорошо выглядят, их можно распечатать и сохранить в архиве для..
Различные способы выбора данных внутри Pandas
Часть 2. Знакомство с методом pandas.DataFrame.loc
В библиотеке Часть 1 различных способов выбора данных внутри панд мы изучили и поняли метод pandas.DataFrame.iloc. В этом разделе мы рассмотрим и поймем метод pandas.DataFrame.loc и чем он отличается от метода pandas.DataFrame.iloc.
Мы видели в последней части статьи 1, что pandas.DataFrame.iloc используется для выбора данных из фрейма данных на основе индекса.
В то время как pandas.DataFrame.loc используется для выбора..
Почему вам НУЖНА математика для машинного обучения
Я буду упоминать эти математические темы в том порядке, в котором, по моему мнению, их следует изучать, начиная с математических функций для машинного обучения. Итак, приступим к самому интересному!
1. Функции
Математические функции по существу отображают входные данные в выходные.
Эти математические функции настолько фундаментальны, что их можно использовать для создания моделей машинного обучения.
Таким образом, эти модели машинного обучения научатся принимать входные..
Знакомьтесь: Флорентин Гут
Эта запись является частью нашей серии блогов Meet the Fellow, в которой рассказывается о стипендиатах факультета, недавно присоединившихся к CDS.
Познакомьтесь с Флорентином Гутом , который этой осенью присоединится к CDS в качестве научного сотрудника факультета. В настоящее время Гут заканчивает работу над докторской диссертацией в Ecole Normale Supérieure в Париже под руководством Стефана Малла. В своем исследовании Гут пытается понять, как глубокому обучению удается..
Вдохновение оптимизации колонии муравьев
Вероятностный метод поиска оптимальных путей
Проблемы оптимизации очень важны как в научной, так и в промышленной сфере. Некоторыми реальными примерами этих проблем оптимизации являются планирование расписания, планирование распределения времени медсестер, планирование поездов, планирование мощностей, проблемы коммивояжера, проблемы маршрутизации транспортных средств, проблема планирования групповых магазинов, оптимизация портфеля и т. Д. Многие алгоритмы оптимизации разработаны для..
3 распространенные ошибки, которые совершают разработчики моделей автоматизации и машинного обучения
Автоматизация и искусственный интеллект могут применяться для создания инновационных продуктов, автоматизации процессов и улучшения качества обслуживания клиентов, часто путем прогнозирования. Эти прогнозы могут принести огромную пользу бизнесу, но предсказывать будущее очень сложно.
Компоненты задач автоматизации могут делать что-то относительно простое, например, использовать OCR (оптическое распознавание символов) для транскрипции в базу данных. Или они могут быть более сложными,..
Работа с машинами жидкого состояния, часть 1 (квантовые вычисления)
Динамическое обучение машин жидкого состояния (arXiv)
Автор: Павитра Коралалаге , Педро Мачадо , Джейсон Смит , Исибор Кеннеди Ихианле , Салису Вада Яхая , Андреас Ойконому , Ахмад Лотфи .
Аннотация: Spiking Neural Networks (SNN) появились как многообещающее решение в области искусственных нейронных сетей (ANN), привлекая внимание исследователей благодаря их способности имитировать человеческий мозг и обрабатывать сложную информацию с поразительной скоростью и точностью. Это..
Новые материалы
Этика искусственного интеллекта: точка зрения Python
Навигация по моральному лабиринту ИИ с помощью Python Power
Стремительное развитие технологий открыло новые двери в области искусственного интеллекта (ИИ), позволив автоматизировать задачи и..
Сможете ли вы выучить Python за час?
Да, но нет!
Всякий раз, когда я просматриваю статьи или видео, связанные с программированием, я вижу заголовок: «Изучите Python за 1 час». Это всегда Python, не знаю почему. Легко иметь..
Раскрытие возможностей машинного обучения: изучение вариантов использования и приложений
Введение. В последние годы машинное обучение и искусственный интеллект (ИИ) произвели революцию во многих отраслях и изменили наше взаимодействие с технологиями. Алгоритмы машинного обучения —..
Глубокое обучение с подкреплением в производстве в Zynga
СОБЫТИЯ РАЗГОВОРЫ
Глубокое обучение с подкреплением в производстве в Zynga
Патрик Халина и Мехди Бен Айед | TMLS2019
В новостях о глубоком обучении с подкреплением говорилось о многих..
Мультиклассовая классификация изображений с использованием Alexnet Deep Learning Network, реализованная в Keras API
Введение
Компьютер - потрясающая машина (без сомнения), и я действительно очарован тем фактом, что компьютеры могут изучать и классифицировать изображения. Классификация изображений имеет свои..
«Освоение наивного Байеса: от интуиции к реализации на Python»
Наивный Байес — Часть 1
Тема, которую предстоит осветить:
1.Введение
2. Интуиция
3. Математическая формулировка
4. Как наивный Байес обрабатывает «числовые данные»..
Настройка модели XGBoost в python
Что такое тюнинг?
Деревья с градиентным усилением (и многие другие модели) используют набор параметров для управления процессом обучения. Эти параметры обычно называются гиперпараметрами и..