Публикации по теме 'data-engineering'
Как установить Apache Airflow с помощью Docker
8-шаговое руководство протестировано на Windows, Ubuntu и Mac OS X
В этой статье мы рассмотрим локальную установку Apache Airflow с помощью Docker. Я объясню каждый шаг достаточно подробно, чтобы вы воспроизвели его без ошибок.
Если что-то пойдет не так, сообщите мне, чтобы я мог обновить содержание и сохранить эту статью как можно дольше 🙏
1. Проверьте установку Docker
Во-первых, убедитесь, что Docker правильно установлен на вашем компьютере.
Для этого вы можете ввести..
Построение динамических конвейеров ML с конфигурацией Prefect, Dask и YAML и
Построение динамических конвейеров ML с конфигурацией Prefect, Dask и YAML и
Введение
В области машинного обучения (ML) поиск оптимального сочетания алгоритмов и шагов предварительной обработки для данной задачи имеет решающее значение. Однако оценка нескольких комбинаций конвейеров может потребовать много времени и больших вычислительных ресурсов. В этой статье мы представляем решение Swiss Army Knife, которое использует конфигурацию YAML, Prefect и Dask для параллельной оценки..
Инжиниринг данных - Брокколи индустрии науки о данных
Я начал свою карьеру в качестве специалиста по данным/принятию решений еще в начале 2010-х.
R де-факто является языком науки о данных. SAS по-прежнему крут.
TensorFlow еще не выпущен!
Глубокое обучение, что???
И теперь я вижу, как люди, едва закончившие колледж, бросаются якобы причудливым жаргоном глубокого обучения с веселой энергией.
Ландшафт отрасли науки о данных значительно изменился, но одно осталось неизменным.
Все до сих пор совершают ту же ошибку, которая была..
Демистификация недостающих данных: абсолютный учебник для специалистов по обработке и анализу данных
Хроники качества данных
Демистификация недостающих данных: абсолютный учебник для специалистов по обработке и анализу данных
Отсутствующие данные, недостающие механизмы и недостающее профилирование данных
Ранее в этом году я начал статью о несколько проблемах качества данных (или характеристиках), которые серьезно ставят под угрозу наши модели машинного обучения.
Одним из них, что неудивительно, были «Отсутствующие данные».
Я изучаю эту тему уже много лет ( Я знаю, правда?!..
Награждение победителей конкурса OCEAN Token Sentiment Analysis Challenge
Основная цель этой задачи заключалась в разработке отчетов по анализу данных и моделей машинного обучения, которые точно оценивают отношение инвесторов к токену OCEAN с течением времени.
Твиттер и, в частности, «Крипто Твиттер (КТ)» стали уникальным экономическим индикатором глобального отношения к конкретному проекту и токену. Ocean Protocol предоставил два набора данных для этого упражнения: один содержал записи всех твитов с «$OCEAN» с 2020 года, а другой включал историю цен на..
Launchpad Empowers Innovation
Название: MEXC Launchpad: Empowering Innovation and Blockchain Projects Introduction
В мире технологий блокчейна и децентрализованных финансов (DeFi) для запуска успешного проекта требуется нечто большее, чем просто
Launchpad Empowers Innovation Название: MEXC Launchpad: Empowering Innovation and Blockchain Projects…
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..