Публикации по теме 'deep-learning'


Переобучение в машинном обучении
Какова основная цель построения модели машинного обучения? Насколько нам известно, модели машинного обучения созданы для прогнозирования результата на основе ранее не встречавшихся данных. Особое внимание следует уделять данным « никогда ранее », поскольку новизна модели машинного обучения и ее адаптивность к решению конкретных бизнес-кейсов будут оцениваться на основе ее эффективности на совершенно новом наборе данных. Обеспечение того, чтобы модель хорошо обобщала «Обобщение» на..
Уязвимость глубокого обучения при ковариантном сдвиге данных Прадитья Рауди и Рифки Лутфан
Введение Современные нейронные сети способны достигать высокой производительности в точности, что делает их лучшим выбором для сложных приложений. Текущие исследования и разработки постоянно улучшают производительность для различных областей, и эта область сейчас более популярна, чем когда-либо. Однако одним из его недостатков являются проблемы с надежностью, которые возникают из-за отсутствия гарантии того, что такая производительность будет хорошо обобщаться на перестановки и невидимые..
Ускорение машинного обучения с помощью моделей Lightning с использованием искусственного интеллекта в Python.
Сегодня специалисты по машинному обучению сталкиваются с захватывающей, но сложной ситуацией. Растущая сложность моделей, огромные наборы данных и потребность в более быстром экспериментировании требуют инструментов и библиотек, которые могут оптимизировать процесс. В этой статье мы рассмотрим, как использовать возможности моделей Lightning с использованием ИИ в Python для упрощения и ускорения ваших проектов машинного обучения. Что такое Молния? Lightning — это платформа с открытым..
Поиск в нейронной архитектуре: разработка классификатора с поиском в нейронной архитектуре
Поиск нейронной архитектуры — это метод, который автоматизирует проектирование нейронных сетей для решения конкретной задачи. Первоначально он был разработан исследователями для людей, которые являются экспертами в определенной области, но имеют очень мало или совсем не знают машинного обучения и хотят разрабатывать системы машинного обучения для решения своих проблем.
Алессандро Негро делится советами и рекомендациями по системам машинного обучения на основе графов
подергивание Алессандро Негро делится советами и рекомендациями по системам машинного обучения на основе графов Резюме трансляции Если вы пропустили этот стрим, мы записали его для вас. Проверьте это ниже! Подпишитесь на наш канал Twitch здесь: https://www.twitch.tv/manningpublications
Крис Мессина: Чему машинное обучение может научиться у керлинга
Это похоже на «керлинг , — сказал Крис Мессина, имея в виду вид спорта, в котором большой, сплющенный объект, похожий на шар для боулинга — камень , толкают по ледяной дорожке к цели, в то время как подметальные машины лихорадочно чистят лед метлами. и влияют на то, насколько близко камень подходит к цели. Для меня это что-то вроде машинного обучения. Вы отправляете эту систему по пути с кучей входных данных, и вы не знаете, чем это закончится, насколько близко она подойдет к цели ...
ПРОГНОЗ НАЛОГА НА ДОМА С ИСПОЛЬЗОВАНИЕМ RANDOM FOREST — ДАННЫЕ О ЖИЛИЩНОМ ОБЪЕКТЕ БОСТОНА — С ИСХОДНЫМ КОДОМ
В этом блоге мы будем выполнять прогнозирование налога на дом с использованием алгоритма случайного леса. Для решения этой задачи мы будем использовать очень известные данные о жилье в Бостоне. Так что без лишних слов. Полную статью с исходным кодом читайте здесь — https://machinelearningprojects.net/house-tax-prediction/ Давай сделаем это… Шаг 1 — Импорт необходимых пакетов. import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from..