Публикации по теме 'aml'


Напишите программу для реализации алгоритма k-ближайших соседей для классификации набора данных радужной оболочки.
ЦЕЛЬ: Изучить и понять алгоритм k-Nearest Neighbor. Алгоритм K-ближайшего соседа Учитывая новый предмет: 1. Найдите расстояния между новым элементом и всеми остальными элементами 2. Выберите k более коротких расстояний 3. Выберите наиболее распространенный класс на этих k дистанциях. 4. Именно в этом классе мы будем классифицировать новый элемент. Набор данных: Набор данных Iris Plants: Набор данных содержит 150 экземпляров (по 50 в каждом из трех классов). Количество..
Готовы ли вы возглавить проект по науке о данных?
«Взгляд на проект по науке о данных с точки зрения любого проекта разработки программного обеспечения» Какую проблему вынуждает решать с помощью науки о данных? Теперь нам доступны данные и механизмы, позволяющие использовать эту силу. Определение правильной проблемы или варианта использования - это первый шаг. В настоящее время в отрасли есть несколько вариантов использования, которые подвергаются атакам с использованием науки о данных. Что вам нравится? Четкое представление о..
Найдите наборы часто встречающихся элементов с поддержкой и уверенностью в наборе данных Transactional, используя A-priori…
ЦЕЛЬ: Сгенерировать и изучить различные правила ассоциации между различными объектами набора данных, используя метод извлечения правил ассоциации (априорный алгоритм). THEROY: Введение. Априорный алгоритм относится к алгоритму, который используется для вычисления правил ассоциации между объектами. Это означает, как два или более объекта связаны друг с другом. Другими словами, можно сказать, что априорный алгоритм опирается на ассоциативное правило, которое анализирует, что люди,..
Новые рубежи ПОД: ИИ и ОД в сфере регулирования
Новые рубежи ПОД: ИИ и ОД в сфере регулирования Когда дело доходит до финансового сектора, выполнение обязательств по борьбе с отмыванием денег является большой проблемой для предприятий. Инвестирование огромных сумм доходов в содержание команд по соблюдению требований и управление процессами — это не для всех. При этом корпоративные организации переходят к конкурентоспособным и автоматизированным решениям, чтобы не только выиграть рыночную гонку, но и сократить сложные операции и..
Машинное обучение Azure: что я узнал
Студия машинного обучения Azure - отличное место для экспериментов в области науки о данных. Мы можем создавать эксперименты с помощью визуального конструктора или кода из среды IDE, например Visual Studio Code, и использовать записные книжки Jupyter с такими языками программирования, как python и R. Давайте сначала посмотрим на жизненный цикл любого проекта по науке о данных: Жизненный цикл науки о данных В науке о данных есть 3 основных этапа жизненного цикла: Сбор и понимание..
Прорыв в программном обеспечении для интеллектуального распознавания символов (ICR)
Прогресс в области машинного обучения и искусственного интеллекта прокладывает путь к рождению новых технологий. Одно из представленных ею решений известно как технология интеллектуального распознавания символов. Хотя это может показаться простой и простой темой, варианты ее использования совсем не такие, особенно если учесть, как управляется бизнес и какие решения принимаются в связи с этим. Разрушая вещи Предприятиям приходится иметь дело с несколькими поставщиками, что потенциально..
Сотрудничество для победы в борьбе с финансовыми преступлениями
Сотрудничество для победы в борьбе с финансовыми преступлениями Управление постоянно растущими угрозами финансовых преступлений и соблюдение соответствующих требований нормативно-правового регулирования требует операционных усилий и затрат для финансовых учреждений. Технологии, в том числе искусственный интеллект, улучшили возможности обнаружения, уменьшили количество ложных срабатываний и повысили продуктивность персонала, занимающегося расследованием дел, процессами «Знай своего..