Публикации по теме 'data-science'
Очистка статистики НБА — Часть 3
Мы собрали данные, которые будем очищать, с помощью веб-скрапинга в Часть 1 и Часть 2 этой серии. Всего у нас есть 3 набора данных, которые мы, наконец, объединим в один к концу этого раздела.
Очистка данных mvps
Начнем с данных mvps. Импортируйте пакет pandas и прочитайте данные. Я сохранил свой файл как mvps.csv. Ваш файл можно сохранить по-другому. Убедитесь, что он находится в том же каталоге, что и ваш файл блокнота Jupyter, иначе вам придется указывать полный путь,..
Python, Beam и Google Dataflow: от пакетной обработки к потоковой в нескольких строках
Можно ли преобразовать мой сценарий из конвейера в пакетном режиме в потоковый без головной боли? ДА, на Apache Beam.
Незадолго до того, как мы начнем:
Вы не являетесь участником Medium? Я думаю, вам следует подумать о регистрации по моему рефералу …
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..
Скрытая модель Моркова
ХММ, синтез также называют статистическим параметрическим синтезом речи. Система HTS одновременно моделирует возбуждение и продолжительность речи с помощью контекстно-зависимых HMM и, таким образом, генерирует речевые сигналы из самих HMM. Основное преимущество статистического параметрического синтеза заключается в том, что он может синтезировать речь с различными характеристиками голоса, такими как индивидуальность говорящего, стили речи, эмоции и т. д. Такие параметры, как характеристики..
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..
Тематическое моделирование NLP менее чем за 10 минут для специалиста по данным
И нет, я не использовал LDA, BERTopic или какие-либо модели НЛП.
Недавно мне дали задание по тематическому моделированию в моей лаборатории искусственного интеллекта. Имея некоторый опыт работы с методами НЛП, первые несколько методов, которые пришли мне на ум, когда я размышлял о том, как решить эту проблему, — это скрытое распределение Дирихле (LDA) и BERTopic.
Глубокое обучение встречается с теорией информации: часть I
В этом посте я расскажу об основных идеях изучения глубокой нейронной сети в рамках теории информации. Мы раскроем связь между ними и постановкой проблемы, которая вызовет совершенно другой набор вопросов, чем обычно задают в популярном сообществе глубокого обучения.
Это будет серия из двух частей, вторая часть будет содержать некоторые ключевые численные данные и несколько гипотез о том, что на самом деле происходит в этих черных ящиках.
Оглавление
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..