Публикации по теме 'machine-learning'
Освоение основ статистики для науки о данных - от начального до продвинутого уровня - часть 3
Статистика – это раздел математики, который занимается сбором, анализом, интерпретацией и представлением числовых данных. В науке о данных статистика используется для извлечения идей и значимой информации из больших объемов данных.
В этой статье мы рассмотрим предварительную статистику. Если вы пропустили часть 1 и часть 2, вы можете найти ее здесь.
Основы статистики для науки о данных — от основ до продвинутого уровня — часть 1
Основы статистики для науки о данных..
Глубина ChatGPT в поэзии
Предоставленный вами отрывок — это поэтическое размышление о любви, отношениях, неуверенности в себе и личностном росте. Он исследует динамику романтических отношений и проблемы, которые могут возникнуть, когда в игру вступают недопонимание, сомнения и собственные ограничения. Разберем его подробнее:
«Театр разума»: эта фраза предполагает, что последующее является мысленным отражением или воображаемым исследованием событий и эмоций, связанных с романтическим опытом. «Возможная история о..
Пограничное машинное обучение: от PoC к реальным приложениям ИИ
Если облако — это царство изобилия, то край — это царство дефицита. В отличие от облака с его эластичностью и ресурсами по требованию, периферия — это жесткая, часто суровая среда для развертывания моделей машинного обучения. Заставить сложные модели компьютерного зрения работать на устройстве с ограниченным объемом памяти, минимальной мощностью и общими скудными ресурсами по сравнению даже с настольным компьютером часто может быть похоже на то, чтобы протолкнуть слона через крошечное..
Как оптимизировать вашу модель машинного обучения Starcraft для Google Colaboratory.
TL; DR: мы узнаем, как оптимизировать модель машинного обучения PySC2 для Google Colabs. Записную книжку Colabs, о которой мы говорим в этом руководстве, можно найти здесь:
https://colab.research.google.com/drive/18asH_hmCjgUUCb-_-SPgPWkK0MYLPAmk
В последнем посте мы рассказали, как нам удалось заставить PySc2 работать над Colaboratory,
В этом посте мы научим вас, как оптимизировать вашу модель машинного обучения для обучения и бега на Colabs.
В этом примере мы будем..
Как работает сквозная модель машинного обучения?
Область машинного обучения быстро расширяется и используется для решения широкого круга задач во многих секторах. Однако процесс построения системы машинного обучения может быть трудным и сложным. В этой статье представлен шаблон дизайна для системы машинного обучения, который вы можете использовать в качестве отправной точки для своих собственных проектов. Сквозные модели машинного обучения (МО) , подмножество искусственного интеллекта (ИИ), позволяют программным операциям более..
Проблемы развертывания машинного обучения в производстве
Введение
Машинное обучение существует уже более 5 десятилетий, и его истинная ценность начала осознаваться в последние несколько лет. Было множество примеров, когда кто-то видел машинное обучение в действии и, возможно, даже не осознавал его присутствия. Некоторые примечательные события включают Netflix, предоставляющий рекомендации фильмов во время просмотра, Spotify, предоставляющий нам саундтреки на основе более ранних списков воспроизведения, Instagram, предоставляющий нам..
Полное руководство по прогнозированию временных рядов с использованием Sklearn, Pandas и Numpy
Практическое руководство и платформа для использования любой модели scikit-learn для прогнозирования временных рядов в Python.
Введение
Существует много так называемых традиционных моделей для прогнозирования временных рядов, таких как семейство моделей SARIMAX , экспоненциальное сглаживание или BATS и TBATS .
Однако очень редко мы упоминаем наиболее распространенные модели машинного обучения для регрессии, такие как деревья решений, случайные леса, повышение градиента или..
