Новые публикации

Публикации

Давайте понятно объясним: KNN

В этой серии я собираюсь объяснить наиболее распространенные алгоритмы машинного обучения, начиная с основ и заканчивая гораздо более сложными. Первым кандидатом в серию является хорошо известная модель K-ближайших соседей (или сокращенно KNN). Эта модель используется для классификации новых точек данных на основе расстояний до других точек данных. Эта модель контролируется, поскольку у нас есть много данных с известными метками, которые мы можем передать в нашу модель для ее..

Раскрывая значение науки о данных

В мире, где доминируют данные, понимание их нарративов становится насущной потребностью. В этом заключается истинное значение науки о данных — современной области, способной раскрыть истории, скрытые в терабайтах данных, которые генерирует наше цифровое общество. Смешивая методы статистики, математики и компьютерных наук, наука о данных создает призму, через которую мы можем видеть и понимать сложные цифровые модели, окружающие нас. Краткий обзор науки о данных Наука о данных —..

Еженедельный выпуск Голанга 38

Добро пожаловать в 38-й выпуск Golang Weekly, еженедельного информационного бюллетеня о языке программирования Go. Поддержите Go Weekly и других авторов, которых вы читаете на Medium, став участником по ссылке ниже. Присоединяйтесь к Medium по моей реферальной ссылке — на этой неделе в I/O Как участник Medium, часть вашего членского взноса идет авторам, которых вы читаете, и вы получаете полный доступ к каждой истории… www.thisweekin.io..

Престол машинного обучения: линейная регрессия OLS

В моем предыдущем блоге я подробно обсудил все тонкости, связанные с линейной регрессией, ее предположениями и мерами для ее оценки. Я кратко рассмотрел среднеквадратичную ошибку и объяснил, как ее свойство выпуклости идеально подходит для функции стоимости. В этом блоге мы узнаем: Что такое функция затрат? Какую роль он играет в любом алгоритме машинного обучения? Как в линейной регрессии MSE как функция стоимости и MSE как показатель оценки контекстуально отличаются друг от..

Сравнение производительности моделей машинного обучения для классификации текста

Проблема классификации текстовых данных с использованием различных алгоритмов машинного обучения Если вы начинающий специалист по данным, вы наверняка сталкивались с какими-то «текстовыми данными», такими как твиты, заголовки газет, обзоры и т. Д. И вы, возможно, слышали о регулярных проектах, таких как классификация спам-фильтров, анализ настроений и т. В этом проекте я взял набор данных об отзывах пользователей об использовании наркотиков (лекарственных) через твиты Twitter...

Контроль, доверие и ответственность в мире машин…

Часть 2 — Кто несет ответственность? Автор Бертран Мальтаверн Этот пост является вторым в серии из четырех. Он берет свое начало в #AutoProcure , захватывающей инициативе , которую Келли Барнер из Buyers Meeting Point и Rosslyn Analytics недавно запустили, чтобы создать активную дискуссию о взаимоотношениях в сфере закупок . с автоматизацией: и то, что есть, и то, чем она должна быть». В первом посте этой серии я затронул вопрос «кто все контролирует», рассмотрев, как..

Руководство программиста по однородным координатам

Интерактивная версия этой статьи доступна здесь: http://wordsandbuttons.online/interactive_guide_to_homogen_coordinates.html Зачем вам нужны однородные координаты, какими бы они ни были? Что ж, если вы работаете с геометрией: 3D-графикой, обработкой изображений, физическим моделированием, ответ очевиден. Знание математики, лежащей в основе выбранной вами структуры, позволяет писать более эффективный код. Однажды мне пришлось ускорить работу одного .NET-приложения, которое сгибает..

HashMaps, римские цифры и вы: простая задача по программированию

Проблема Задача была проста. Дана строка, представляющая римскую цифру, преобразовать ее в целое число. У меня было предварительное представление о римских цифрах и их форматировании, поэтому я был готов сразу приступить к этому, но, как я вскоре узнал, даже такие упрощенные задачи, как эта, нельзя недооценивать. Ограничения Первоначально я игнорировал ограничения проблемы и пытался подойти к ней как можно шире. Этот инстинкт возник из моего опыта создания игр на Unity и C#,..

React Suspense: упрощение асинхронной выборки данных

React Suspense: упрощение асинхронной выборки данных React Suspense — это функция, упрощающая работу с асинхронной выборкой данных в компонентах React. Это позволяет вам приостановить рендеринг компонента до тех пор, пока не будут получены необходимые данные, что помогает уменьшить количество проблем с пользователем и повысить производительность приложения. В этой статье мы углубимся в то, что такое React Suspense, как он работает и как использовать его в своем приложении для..

Учимся программировать: день 0

Сказать, что это «день 0» обучения программированию, — это немного соврать. Это ложь, потому что технически я потратил довольно много человеко-часов в течение пары месяцев, изучая самые основы HTML и JS. Делаю это, чтобы возродить любовь к программированию, которая у меня была еще в старшей школе, и в рамках подготовки к зачислению в The Iron Yard, которое начнется на следующей неделе здесь, в Миннесоте. Изучив материалы и предварительную работу, я уже узнал об этой области и идее обучения..

CIR HW Модели процентных ставок с режимом переключения

Кокс-Ингерсолл-Росс (CIR) Модель Кокса-Ингерсолла-Росса (CIR) можно использовать при оценке производных процентных ставок. Мы также называем моделью квадратного корня или однофакторной процентной ставкой, потому что термин диффузии позволяет избежать возможности отрицательных процентных ставок и изображается одним источником рыночного риска. Параметр a соответствует скорости адаптации к среднему значению, b, и сигма к волатильности. Движения ставок следуют приведенному ниже SDE:..

Как навсегда стать лучшим разработчиком в мире!

Начать новую карьеру в разработке программного обеспечения одновременно и волнительно, и пугающе. Нужно многому научиться, и, как и в других ремеслах, нужны годы практики, чтобы стать хорошим в этом деле. Чтобы немного упростить ситуацию, особенно для новичков, я хотел бы поделиться с вами некоторыми знаниями, которые я приобрел за эти годы, в виде практических советов. Найдите отличного наставника Найти отличного наставника — это лучшее, что вы можете сделать, чтобы стать..

Делайте больше с помощью этих основных инструментов разработчика

Привет, разработчик! Если вы хотите увеличить свою производительность в 10 раз, то вы обратились по адресу. В этой записи блога мы рассмотрим 14 основных инструментов разработчика, которые помогут вам работать умнее, а не усерднее. 1. Гитхаб — GitHub — это платформа для размещения кода для контроля версий и совместной работы. Это отличный способ отслеживать изменения кода и работать с другими членами вашей команды. 2. Переполнение стека — Stack Overflow — отличный..

Прогнозирование распределения вероятностей с помощью нейронных сетей

Это сообщение изначально было опубликовано в Техническом блоге Taboola Если вы в последнее время следили за нашим техническим блогом , вы могли заметить, что мы используем особый тип нейронных сетей, называемый Mixture Density Network (MDN). MDN не только предсказывают ожидаемое значение цели, но и лежащее в основе распределение вероятностей. В этом блоге основное внимание будет уделено тому, как реализовать такую модель с помощью Tensorflow с нуля, включая пояснения,..

Хорошо написанная статья.

Хорошо написанная статья. Легко понять. Можете ли вы предложить какие-либо модели AI/ML, адаптированные банками с Уолл-Стрит?

Разница между операторами равенства == и === в JavaScript.

Таким образом, разница между операторами == (свободное равенство) и === (строгая проверка равенства) всегда является темой обсуждения в Интернете. Давайте выясним, чем эти два отличаются. Свободная проверка равенства или Двойное равенство (==): Оператор Двойное равенство позволяет выполнять принуждение (т. е. преобразование одного типа данных в другой) во время сравнения. Двойное равенство следует алгоритму при сравнении двух значений. Алгоритм определяется здесь..

Простая предварительная оптимизация

Чтобы понять эту статью, вам необходимы базовые знания компилятора. Постоянное складывание Свертывание констант применимо к каждому языку, где есть «константы», они имеют одинаковое значение при статическом анализе и во время выполнения, что позволяет выполнять некоторую работу заблаговременно . В JavaScript числа и логические значения являются константами. Обратите внимание, что в языках, где это не так, оптимизация считается небезопасной, поскольку предполагает, что разработчик не..

Что я узнал, работая на изобретателя IBM Watson

Иногда логика важнее, чем быть правым В 2018 году меня нанял доктор Дэвид Ферруччи, изобретатель Watson , знаменитого компьютера с ответами на вопросы IBM, который победил чемпиона Кена Дженнингса в« Jeopardy! » В 2011 году. После ухода из IBM д-р Ферруччи основал свою собственную исследовательскую компанию в области ИИ Elemental Cognition с целью разработки ИИ, который может понимать значение языка и аргументировать свои ответы, как это делают люди. Если EC будет успешным,..

МАШИНЫ ОПОРНЫХ ВЕКТОРОВ (SVM)

МАШИНЫ ОПОРНЫХ ВЕКТОРОВ (SVM) SVM — это контролируемый алгоритм машинного обучения, который можно использовать как для задач классификации, так и для регрессии. Однако в основном он используется в задачах классификации (хороший классификатор находит максимально возможный разрыв между точками данных разных классов). Мы отображаем каждый элемент данных как точку в n-мерном пространстве (где n — количество имеющихся у вас объектов), где значение каждого объекта является значением..

Публикации

Вопросы по теме