Статьи

Информационный бюллетень Heartbeat Vol. 68
Персонализация Core ML 3 на устройстве, код машинного обучения в комплекте с Dart, внутренняя структура искусственного интеллекта Apple, обновления ARCore, NLP на iOS и многое другое НОВОСТИ Обучение на устройстве Core ML 3: k-Nearest Neighbours Эксперт по Core ML Маттейс Холлеманс с последними новостями в своем превосходном глубоком погружении в особенности персонализации Core ML 3 на устройстве. В этом посте он показывает, как создать настраиваемый классификатор изображений..
ProgressView в SwiftUI
Представленный на WWDC 2020 ProgressView предлагает вам круговое и линейное представление прогресса, которое можно легко создать с нуля. Примечание. Это поддерживает только iOS 14 и выше и может использоваться только в Xcode 12+. Предпосылки Чтобы следовать этому руководству, вам потребуются базовые знания в: Быстрый По крайней мере, Xcode 12+ Неопределенный прогресс Неопределенный относится к непрерывной анимации и по умолчанию имеет неопределенное поведение, которое..
Основные ошибки программирования для новичков
Учитесь на ошибках других людей в программировании прямо сейчас, чтобы не делать их Некоторые ошибки, которые делают большинство новичков и даже некоторые опытные люди (например, я) при написании кода, и способы их избежать. 0. Собираем все в один файл Это наиболее распространенная ошибка, которую вы могли бы увидеть, когда многие программисты записывают весь свой код в один класс / файл. Одна из основных причин этого заключается в том, что мы изучаем большую часть кодирования..
Контролируйте данные в MySQL с помощью курсоров и хранимых процедур.
Курсоры MySQL перемещаются по строкам в таблице. Хорошо ... но зачем их использовать? В этом сообщении блога мы рассмотрим CURSOR в хранимой процедуре, которая возвращает конкретные интересующие записи. Примечание: все данные, имена или наименования, найденные в базе данных, представленной в этом посте, строго используются для практики, обучения, обучения и тестирования. Он ни в коем случае не отображает фактические данные, принадлежащие или используемые какой-либо стороной или..
Советы по реагированию - почему setState асинхронный?
Во-первых, да, он асинхронный. Многие разработчики этого не осознают, но setState является асинхронным. Я знаю, что вызовы setState не выглядят асинхронными, и непреднамеренные вызовы могут привести к некоторым ошибкам. Это хорошая практика (в React она заложена изначально) откладывать согласование для пакетных обновлений. Лучше делать пакетные обновления, если мы знаем, что их будет несколько. Если у вас есть обработчик кликов в браузере, и оба объекта Child и Parent вызывают..
Простое руководство по рекурсии
Реализуйте факториал в коде Рекурсия - это когда метод вызывает сам себя. Когда метод ведет себя подобным образом, он называется рекурсивным методом . Рекурсия довольно часто используется в математике при работе с рекурсивными последовательностями. Если вы не знакомы с рекурсивными последовательностями , это просто когда следующие термины в последовательности используют предыдущие термины. Я уверен, что некоторым из вас могут прийти в голову факториал или рекурсивные..
Список против массива - Типы данных
Список против массива - Типы данных Несколько дней назад я работал над проектом Python, и мне пришлось использовать списки. Я создал пустой список и назвал его cost_array . Друг увидел это и задал вопрос: «В чем разница между списком и массивом?» Я начал размышлять, потому что раньше я всегда рассматривал данные типа ['Bolaji', 'Proton'] как списки в Python и массивы в Javascript . По-видимому, массив также является типом данных в Python, что означает, что у нас есть тип..
Промежуточное ПО в FastAPI - что это такое?
Объясняя тайну… В мире программной инженерии бывает сложно уследить за всей причудливой терминологией, используемой разработчиками. Термин «промежуточное ПО» не является исключением, и, к сожалению, в университетах он широко не используется. В попытке помочь некоторым из недавно получивших образование разработчиков, цель этой статьи будет заключаться в том, чтобы объяснить концепцию промежуточного программного обеспечения в API и изучить некоторые ее примеры с использованием..
Предсказание исхода игр НБА с помощью машинного обучения
Как мы использовали (и вы тоже можете) машинное обучение, чтобы лучше понять роль статистики в спорте. Принимая решение о заключительном проекте для нашего класса по аналитике больших данных, мои партнеры Джек Рознер, Джексон Джоффе и я стремились объединить интерес к спорту с принципами, которые изучались в течение семестра. После нескольких дней обсуждения мы остановились на проекте, цель которого - предсказать исход игр НБА. При реализации нашей цели мы сочли полезным разбить проект на..
Как распознать поддельные изображения, созданные искусственным интеллектом
В 2014 году исследователь машинного обучения Ян Гудфеллоу представил идею генеративных состязательных сетей или GAN. Генеративные , потому что они выводят такие вещи, как изображения, а не прогнозы относительно входных данных (например, хот-дог или нет ); Состязательные сети , потому что они используют две нейронные сети, конкурирующие друг с другом в игре в кошки-мышки , как кассир и фальшивомонетчик: одна пытается обмануть другую, заставляя думать, что она может генерировать..
Дорожная карта для завоевания компьютерного зрения
Как начать работу с компьютерным зрением Стало традицией писать блоги, в которых даются рекомендации по машинному обучению ace. Мне было трудно найти такую ​​дорожную карту и список дел для компьютерного зрения. Как энтузиаст и консультант в области компьютерного зрения, я обнаружил, что множество людей спрашивают о конкретной дорожной карте (с точки зрения навыков, курсов и т. Д.) Для понимания компьютерного зрения. Следующий блог пытается служить этой цели. Следует отметить, что это..
Ведение журнала с помощью декораторов в TypeScript
Избегайте запутанного кода, инкапсулируя сквозные проблемы. По мере роста кодовой базы растет и сложная сеть зависимостей и проблем, на которые полагаются отдельные модули. Управление ими может вызвать у нас головную боль - даже в самых хорошо спроектированных приложениях. Ведение журнала - яркий пример одной из таких проблем. У нас может быть функция ведения журнала в одном модуле, который используется во всем приложении - сквозное . Рассмотрим следующий пример: На первый..
Запросы к географической базе данных с помощью GraphQL
Я не буду первым, кто скажет тебе это Я ненавижу REST API Мне нравится GraphQL Итак, сегодня я собираюсь показать вам, как вы можете быть ботаником по географии и создать сервер GraphQL , который запрашивает http://www.geonames.org/ , географическая база данных, содержащая информацию обо всех странах и столицах. Если в начальной школе вы испытываете ностальгию по этим географическим пчелам, позвольте мне провести вас по переулку памяти. Перво-наперво, Настройка..
Объясняемый ИИ (xAI)
В современных подходах входные данные и информация о классе могут быть обучены с высокой производительностью и протестированы с новыми входными данными. Однако эта модель зависит от размера набора данных, качества набора данных, набора гиперпараметров, используемых в моделях глубокого обучения, функций активации и алгоритмов оптимизации. Уровни в глубокой сети позволяют машине распознавать то, что мы предоставляем. Нижние уровни предоставляют информацию о более общем аспекте ввода...
Обратное распространение шаг за шагом
Прелесть алгоритмов машинного обучения в том, что они могут настраиваться во время обучения в соответствии с заданной стратегией оптимизации. Вообще говоря, стратегии оптимизации направлены на минимизацию ошибки, обусловленной разницей между реальной целью и результатом алгоритма. Для каждой итерации обучения алгоритм будет вычислять эту ошибку и повторно откалибровать свой параметр, чтобы на следующей итерации ошибка была уменьшена. Нейронные сети, типичные алгоритмы, используемые в..
Как создать угловой датчик с помощью JavaScript
Угловой датчик, также известный как круговой датчик, представляет собой тип диаграммы с радиальной шкалой. Такие визуализации могут красиво отображать значение в пределах диапазона и широко используются в различных информационных панелях. Недавние хорошие новости о вакцинах кажутся нам музыкой. Итак, я подумал, почему бы не взять некоторые интересные музыкальные данные для визуализации в этом уроке! 63-я ежегодная церемония вручения премии «Грэмми» состоится в марте 2021 года, и..
Введение в машинное обучение
Введение в машинное обучение Машинное обучение можно рассматривать как распространение человеческого интеллекта на компьютеры. Мы пытаемся заставить компьютеры думать так, как мы. Хотя это утверждение является чрезвычайно амбициозным и расплывчатым, для большинства основных задач, которые компьютер должен выполнять, это правда. Позвольте мне пояснить свою точку зрения на простом примере. Представьте, что ваша любимая команда A вышла в финал крупного спортивного соревнования..
В поисках Фибоначчи на золотых деревьях
Изучение нового всегда дает возможность полностью поразить ваш разум. Имейте в виду, этого не всегда происходит - по крайней мере, когда дело доходит до области информатики. Однако время от времени вы узнаете что-то, что действительно вас восхищает, что-то, что на самом деле потрясающе в истинном словарном смысле этого слова; что-то такое, что действительно похоже на зажигание лампочки, что заставляет вас чувствовать огромную благодарность за то, что вы с самого начала попытались..
Виртуальный фон Google Meet с Amazon Chime SDK
Примечание. Эта статья также доступна здесь. (Японский) https://cloud.flect.co.jp/entry/2021/01/19/130105 Примечание: добавлена ​​дополнительная проверка на M1 Mac. Я также обновил BodyPix, чтобы отразить изменение времени обработки. [28 / Март / 2021] ›См. Также: Создайте TFLite Wasm / SIMD и запустите виртуальный фон Google Meet Введение В моем предыдущем посте я показал, как добиться виртуального фона с помощью API обработки видео Amazon Chime SDK. В этом посте мы..
Робот следует по дорожке с OpenCV и Tensorflow
Как сделать беспилотного робота с Raspberry Pi, компьютерным зрением и сверточной нейронной сетью. После того, как мой робот научился следовать по линии , возникла новая задача. Я решил выйти на улицу и заставить робота двигаться по дорожке. Было бы неплохо, если бы робот следовал за хозяином по парку, как собака. Идея реализации была дана поведенческим клонированием. Это очень популярный подход для беспилотных транспортных средств, когда ИИ учится на предоставленных поведенческих..