Публикации по теме 'machine-learning-tools'
ЭКСПЕРТНОЕ РУКОВОДСТВО ПО ИЗУЧЕНИЮ МАШИННОГО ОБУЧЕНИЯ
Согласно Harvard Business Review , Data Scientist — самая сексуальная профессия двадцать первого века. С экспоненциальным увеличением количества фактов, генерируемых каждый день, миру нужны профессионалы, которые могут извлечь выгоду из этих данных.
Наука о данных оказала заметное влияние на многие отрасли, однако обучение на рабочем столе всегда было ключевым фактором цифровой трансформации и автоматизации.
Профессия по освоению компьютерных устройств может показаться..
Руководство для ленивых специалистов по данным по устранению неполадок AI/ML
Данные не рождаются для моделей AI/ML. Несмотря на то, что данные поддаются количественной оценке, они по-прежнему представляют собой хаотичный беспорядок, который необходимо расшифровать, прежде чем его можно будет сделать полезным. В мире машинного обучения неэффективные модели машинного обучения и искусственного интеллекта слишком распространены, и в этом обычно виноваты данные.
Проблемы с моделью обычно связаны с неадекватными или недостаточными входными данными, неправильно обученной..
MLflow в производстве в HelpShift
Deepak Ahire¹ and Shyam Shinde²
1. Software Engineer, Helpshift AI, Pune, India.
Email: [email protected]. ORCID: 0000-0002-9174-0797
2. Engineering Manager, Helpshift AI, Pune, India.
Введение
Существует множество блогов, в которых рассказывается о том, как подключиться или интегрировать MLflow в конвейеры машинного обучения. Но цель этого блога — поделиться нашим опытом обучения по внедрению MLflow как части нашего конвейера производственного машинного..
Пейзаж искусственного интеллекта и машинного обучения (часть 2): учебные платформы и инструменты
Уф, ладно. После написания части 1 этой серии статей, посвященной более глубокому изучению ландшафта искусственного интеллекта и машинного обучения, мне потребовалось сделать глубокий вдох.
Я встретил так много замечательных компаний, организаций и инструментов для маркировки, генерации и подготовки данных - это произвело на меня впечатление, но в моем путешествии также возник ключевой вопрос: теперь, когда у нас есть все необходимое для подготовки наших наборов данных, что дальше?..
Этика машинного обучения: вызовы и возможности
Машинное обучение может привести к значительным достижениям в различных областях, таких как здравоохранение, финансы и транспорт. Однако, как и в случае любой мощной технологии, машинное обучение также сопряжено с этическими проблемами, которые необходимо решить, чтобы обеспечить справедливое распределение преимуществ и минимизировать риски. В этой статье мы рассмотрим этические проблемы и возможности машинного обучения.
Каковы этические проблемы машинного обучения?
Предвзятость и..
Управление машинным обучением — это инвестиция в настоящее и будущее
Управление жизненным циклом машинного обучения
Модели машинного обучения в настоящее время широко используются на многих уровнях в каждой организации. Они реализованы для рекомендации продуктов к покупке, распознавания изображений, обнаружения мошенничества и многих других интересных вещей.
До сих пор подход был очень наивным, притворяясь, что наука о данных и машинное обучение отличаются от любого другого процесса разработки программного обеспечения и что у специалистов по данным..
Обзор EfficientNet: повышение точности и надежности CNN
«Умение думать дает вам гораздо больше возможностей, чем те, кто знает только то, что думать », - Нил деГрасс Тайсон
Переосмысление масштабирования модели для сверточных нейронных сетей
🎯 Вышеупомянутая статья была опубликована в 2019 году на Международной конференции по машинному обучению (ICML). В задаче ImageNet при загрузке расчета параметров 66M EfficientNet достиг точности 84,4% и занял свое место среди самых современных .
EfficientNet можно рассматривать как..