Свързани публикации 'data-science'
Как преподавате физика на модели за машинно обучение?
Хибридни анализи: Комбиниране на най-доброто от два свята
В другите си публикации съм обхванал теми като: Машинно обучение за откриване на аномалии и мониторинг на състоянието , как машинното обучение може да се използва за оптимизиране на производството , както и как да се избегнат често срещаните клопки на машинното обучение за времеви серии прогнозиране .
Но знаете ли, че можете също да комбинирате машинно обучение и базирано на физика моделиране? Тук ще опиша как може да се..
Машини за факторизиране — Снимки + код (PyTorch)
TLDR: Проблем: Има набор от данни за потребители, филми и оценки. Използвайте машини за факторизиране, за да дадете препоръки за филми. Набор от данни: ml-1m.zip от https://grouplens.org/datasets/movielens/ Код: “03_factorization_machines.ipynb” https://github.com/Datadote/matrix-factorization-pytorch Препратки: 1) Публикация на машина за факторизиране 2) Оригинален документ за разлагане на множители от Рендъл 3) Средна публикация за разлагане на матрици
Стъпки: 1)..
Python 3.12: Промяна на играта за производителност и ефективност
Проучване на основните надстройки, планирани за следващото издание на Python
Python 3.12 ще донесе няколко големи оптимизации и подобрения на езика Python. Тези актуализации са насочени към подобряване на скоростта, производителността и стабилността на интерпретатора, което го прави по-подходящ за големи и сложни приложения.
Trace Optimizer
Едно от най-значимите подобрения в 3.12 е оптимизаторът на проследяване. В предишната версия подобренията на скоростта бяха фокусирани главно..
От гледна точка на пандата, сравнение на пандите с Polar
Като панда съм много запознат с библиотеката на Python panda. Това е мощен инструмент за анализ и манипулиране на данни и съм го използвал за много проекти. Наскоро обаче чух за нова библиотека, наречена Polars, за която се твърди, че е по-бърза и по-ефективна от панди.
Реших да направя проучване на Polars и бях впечатлен от това, което открих. Това е много модерна библиотека, изградена върху Rust и Apache Arrow. Това осигурява редица предимства пред пандите, включително:
Скорост:..
Python внедряване на PCA с NumPy
PCA, което означава Анализ на основните компоненти, е техника за намаляване на данните за намаляване на броя на функциите в набор от данни. В статията „Намаляване на данни с анализ на главните компоненти (PCA)“ разгледахме интуицията и компонентите за алгоритъма PCA. В тази статия ще обсъдим как да внедрим алгоритъма стъпка по стъпка с помощта на библиотеката NumPy .
Общ преглед на PCA алгоритъм
Целта на PCA е да идентифицира основните компоненти, които улавят приликите между..
Работа с концепцията за Mean-shift в Data Mining част 8
По-бързо средно изместване: GPU-ускорено клъстериране за базирано на косинус вграждане сегментиране на клетки и проследяване (arXiv)
Автор : Mengyang Zhao , Aadarsh Jha , Quan Liu , Bryan A. Millis , Anita Mahadevan-Jansen , Le Lu , Bennett A. Landman , Matthew J. Tyskac , „Юанкай Хуо“
Резюме: Напоследък алгоритмите за дълбоко обучение, базирани на едноетапно вграждане, привличат все по-голямо внимание при сегментирането и проследяването на клетките. В сравнение с..
ЛИНЕЙНА РЕГРЕСИЯ ОТ НУЛАТА PT1
Линейната регресия се счита за най-естествения алгоритъм за обучение за моделиране на данни, основно защото е лесен за тълкуване и моделира ефективно най-естествените проблеми. Той принадлежи към семейството на „Линейни модели/предиктори“ в машинното обучение (едно от най-полезните пространства за хипотези). Въпреки че има различни начини за прилагане на този алгоритъм (включително използване на библиотеката Sklearn в Python, също толкова важно е да разберете основната интуиция зад този..
Нови материали
Създайте разширение за Chrome с помощта на Angular
Този урок е базиран на манифеста на разширението на chrome версия 3 (MV3), а също и на Angular версия 2+ (2, 3 и...). Ако не сте използвали манифест версия 3, можете да следвате този урок ,..
За да научите нов език за програмиране, започнете отначало
Първоначално публикувано на http://www.mberlove.com/blog/a-new-programming-language-starting-over/
Програмистите се гордеят със способността си да усвояват лесно нови умения , разчитайки..
5 Youtubers на Data Science, които трябва да следвате
Защото всички можем да се справим с малко продуктивно отлагане
Всички сме падали в заешката дупка на Youtube, така че защо да не я направим продуктивна?! Като непрекъснато нарастващ източник..
Бих казал, че точно това е проблемът с Twitter — това е инструмент на суперпотребител.
Бих казал, че точно това е проблемът с Twitter — това е инструмент на суперпотребител. По същия начин, по който суперкодерът сочи vim като единствения начин за кодиране, но останалите от нас..
Основи на Gradio
Gradio е най-ефективният метод за демонстриране на вашия модел на машинно обучение и разполага с удобен за потребителя онлайн интерфейс, който го прави достъпен от всяко място.
Какво прави..
Илюстрация (GIF) за обяснение на дълбоки конволюционни мрежи (DCNN)
В света на компютърното зрение най-основният и често срещан алгоритъм за разпознаване на изображения е конволюционната мрежа. С популярността на рамки като tensorflow и pytorch, стана по-лесно да..
Python Bootcamp — Data Science Day 165
Python Bootcamp от Giles McMullen-Klein беше абсолютно невероятно. Джайлс има този уникален начин да улови аудиторията си, като същевременно прави съдържанието на курса много интересно...