Публикации по теме 'machine-learning'
Прогнозирование временных рядов и завершение чертежей с помощью трансформаторов
Прогнозирование данных временных рядов может быть трудным. Определенно сложно предсказать многомерные данные временных рядов. Прогнозирование многомерных данных временных рядов, где разные переменные являются разными типами данных, представляет собой уникальную и интересную задачу, которую я и мой партнер недавно предприняли с отличными результатами.
Многовариантные временные ряды отчасти усложняются тем, что не существует окончательного лучшего способа их решения. Например, для..
Организация творческих итераций процесса машинного обучения
Работа над любой проблемой машинного обучения - это процесс творческой итерации . Помимо разработки программного обеспечения, он включает в себя, среди прочего, исследования, эксперименты и анализ результатов.
Написанный в псевдокоде, он будет выглядеть примерно так:
Вы строите свою модель, рассчитываете метрики на основе данных проверки, погружаетесь в результаты, чтобы определить, где ваша модель не работает, и повторно исследуете идеи, как ее улучшить. Как только эти идеи..
Объем последовательности: есть ли приятель на рынке магазина функций?
Еженедельный информационный бюллетень, в котором обсуждаются важные исследовательские работы по машинному обучению, интересные технические выпуски, деньги, полученные от ИИ, и реальные реализации.
Sequence Scope - это сводка наиболее важных опубликованных исследовательских работ, опубликованных новостей о технологиях и стартапах в экосистеме ИИ за последнюю неделю. Этот сборник является частью информационного бюллетеня TheSequence. Специалисты по анализу данных, ученые и разработчики..
Глубокое обучение Глава 6: Сети с глубоким прогнозированием
На прошлой неделе мы обсуждали главу 6 книги Глубокое обучение (книга доступна бесплатно в Интернете: http://www.deeplearningbook.org/ ).
Обсуждение вёл Тимоти Кур. Тимо получил докторскую степень в области компьютерного зрения по программе CS в UPenn и работал инженером машинного обучения в Google Maps. В настоящее время он является старшим инженером по машинному обучению в Lighthouse AI, где они строят глаза для вашего дома. К вашему сведению, они нанимают;)
Статья Андрея..
Автоматизируйте структуру ваших проектов по науке о данных с помощью Cookiecutter
Прекратите ручную работу, вместо этого повторно используйте шаблоны проектов
Вот ситуация, с которой знакомы многие специалисты по данным.
Каждый раз, когда вы начинаете новый проект, вы повторно используете структуру старых проектов. Вы просматриваете их папки и копируете-вставляете их, вы удаляете ненужные файлы, вы переименовываете оставшиеся в соответствии с особенностями вашего нового проекта, заходите внутрь каждого файла конфигурации и заменяете старые переменные среды..
Бинарная логистическая регрессия с BigQuery ML
BigQuery - это полностью управляемое хранилище данных, предоставляемое Google Cloud Platform. Это один из самых популярных инструментов в арсенале Google, и то, как он масштабируется до петабайтной шкалы за несколько секунд, просто волшебство. Пользователи пишут свои запросы на знакомом языке SQL, и запросы обрабатываются для них прозрачно.
BigQuery состоит из двух компонентов: 1.) Хранилище ( Colossus ) 2.) Механизм запросов ( Dremel ). Оба этих компонента соединены друг с другом с..
Моя платформа для помощи стартапам в создании и развертывании науки о данных
Как максимально быстро перейти от идеи к MVP
Я помогаю стартапам перейти от «продукта» к «продукту + машинное обучение».
Это моя схема достижения этого, включая советы, предостережения и примеры на каждом этапе.
Хотя каждая компания, проблема и данные разные, всегда есть много общего.
Эта структура вращается вокруг создания доказательства концепции как можно скорее, а затем постепенного ее улучшения. Это следует из моего опыта в ML: вы не знаете, будет ли что-то работать, пока..
