Публикации по теме 'artificial-intelligence'
Работа со сменой распределения, часть 2 (статистика)
Надежная оптимизация инструкций для больших языковых моделей со сдвигами распределения (arXiv)
Автор: Моксин Ли , Вэньцзе Ван , Фули Фэн , Цжичжи Чжан , Тат-Сэн Чуа .
Аннотация: Большие языковые модели продемонстрировали значительную способность выполнять широкий спектр задач обработки естественного языка (NLP). Однако их производительность очень чувствительна даже к незначительным изменениям в формулировках инструкций к задачам, что привело к направлению исследований по..
Работа с многорукими бандитами, часть 4 (машинное обучение)
Адаптивная глубина данных с помощью многоруких бандитов (arXiv)
Автор: Тавор З. Бахарав , Це Леунг Лай
Аннотация: Глубина данных, представленная Тьюки (1975), является важным инструментом в науке о данных, надежной статистике и вычислительной геометрии. Одним из главных препятствий на пути его более широкой практической полезности является то, что многие распространенные меры глубины требуют больших вычислительных ресурсов, требуя порядка nd операций для точного вычисления..
Подкасты от новичков до экспертов в области науки о данных
Подкасты от новичков до экспертов в области науки о данных
Вы хотите стать специалистом по анализу данных? Учитесь у людей, которые пережили те же трудности и проблемы, с которыми вы, вероятно, сталкиваетесь прямо сейчас!
Сегодня все, что нам нужно знать, находится на расстоянии одного клика. Интернет наполнен информацией, но бывают случаи, когда полноценный специалист по анализу данных, ученик или даже подражатель устают искать новые темы, читать так много блогов и просматривать..
Погрузитесь в XGBoost и Scikit-learnМашинное обучение с помощью XGBoost и Scikit-learn
В этом уроке мы будем использовать Scikit-learn для построения нашей модели. Затем мы улучшим точность и производительность модели с помощью XGBoost.
XGBoost — это библиотека Python с открытым исходным кодом, которая предоставляет платформу для повышения градиента. Это помогает в создании высокоэффективной, гибкой и портативной модели. Когда дело доходит до прогнозов, XGBoost превосходит другие алгоритмы или платформы машинного обучения.
Это связано с его точностью и повышенной..
QML Day-7 : Понимание искусственных нейронных сетей (ИНС) и как они на самом деле работают?
Его можно использовать для анализа человеческой речи разной высоты, тона, языка и т. д., которая применяется в виртуальных помощниках, таких как Google Assistant, Amazon Alexa и т. д.
Обработка естественного языка
Обработка естественного языка (NLP) — это способность обрабатывать естественный, созданный человеком текст. Нейронные сети помогают компьютерам собирать информацию и смысл из текстовых данных и документов.
Компьютерное зрение
Компьютерное зрение — это способность..
Обрезка для уменьшения переобучения
В ML Concepts мы работаем над созданием веб-сайта с курсами и материалами, относящимися к области науки о данных.
Переоснащение
Статистическая модель считается переоснащенной, если модель не дает точных прогнозов на основе данных тестирования. Когда модель обучается с таким большим количеством данных, она начинает учиться на шуме и неточных данных в нашем наборе данных. И при тестировании с тестовыми данными результаты с высокой дисперсией. Тогда модель неправильно классифицирует..
Лучшее исследование гипотезы лотерейных билетов, часть 3 (машинное обучение)
Сильная гипотеза лотерейного билета с ε — возмущение (arXiv)
Автор: Чжэян Сюн , Фаншо Ляо , Анастасиос Кириллидис .
Аннотация: Сильная гипотеза лотерейного билета (LTH) утверждает существование подсети в достаточно большой случайно инициализированной нейронной сети, которая аппроксимирует некоторую целевую нейронную сеть без необходимости обучения. Мы распространяем теоретическую гарантию сильной литературы по LTH на сценарий, более похожий на исходный LTH, путем обобщения изменения..
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..