Публикации по теме 'analytics-vidhya'


Присоединяйтесь к клубу AV Editor’s Club
Присоединяйтесь к клубу AV Editor’s Club Миссия Analytics Vidhya - создать экосистему науки о данных следующего поколения. Мы считаем, что единственный способ сделать это - сила сообщества. Мы ищем редакторов, которые верят в эту миссию и хотят стать частью этого увлекательного путешествия. Что мы будем искать в редакторе? Вы увлечены журналистикой данных? Вам не терпится попробовать и поэкспериментировать с новейшими инструментами, техниками и фреймворками, как только они..
Введение в неконтролируемое глубокое обучение с самоорганизующейся картой с ее архитектурой и…
Самоорганизующаяся карта (SOM) - это метод машинного обучения нейронной сети без учителя. SOM используется, когда набор данных имеет много атрибутов, потому что он производит низкоразмерный, чаще всего двумерный вывод. Результатом является дискретное представление входного пространства, называемого картой. Как работает SOM? Точки во входном пространстве имеют соответствующие точки в выходном пространстве. В сетях Кохонена, своего рода SOM, есть один слой с двумя измерениями, и входные..
7 проектов по науке о данных, чтобы продемонстрировать свои навыки машинного обучения!
Готовы ли вы сделать следующий большой шаг в своем путешествии в области машинного обучения ? Работа над игрушечными наборами данных и использование популярных библиотек и фреймворков для обработки данных — хорошее начало. Но если вы действительно хотите выделиться среди конкурентов, вам нужно сделать рывок и выделиться. Отличный способ сделать это — сделать проект о последних достижениях в науке о данных. Хотите стать экспертом Компьютерного зрения ? Узнайте, как работает..
7 шагов к успешному собеседованию по науке о данных!
Введение Вы хотите сделать перерыв в науке о данных, но изо всех сил пытаетесь пройти собеседование? Вы боитесь попасть на интервью по науке о данных ? Или вы просто не знаете, чего ожидать от этих интервью? Возможно, вы даже знакомы с инструментами и методами обработки данных, имеющими отношение к работе. И все же работодатели продолжают отказывать вам. Это, конечно, не помогает, когда в должностных инструкциях требуется многолетний опыт работы для, казалось бы, роли начального..
Всего 6 шагов, которые вам нужно выполнить для проекта машинного обучения
После множества проектов по машинному обучению стало ясно, что мне нужно выполнить только эти шаги, чтобы разработать эффективную модель машинного обучения или решить проблему машинного обучения. Шаг 1. Определение проблемы «Какую проблему мы пытаемся решить?» , «Можно ли это решить с помощью алгоритма ‹x›?» , «Должен ли я использовать обучение с учителем, обучение без учителя или обучение с подкреплением для этой проблемы?» Вот вопросы, которые вам нужно задать на этом первом..
Дорожная карта для Data Scientist  — окончательный путь к тому, чтобы стать Data Scientist.
«Научиться заниматься наукой о данных — это все равно, что научиться кататься на лыжах. Вы должны это сделать». — Клаудия Перлих. Обзор Наука о данных — это изучение использования знаний предметной области, навыков программирования, математики и статистики для получения осмысленной информации из данных. Практика науки о данных включает в себя применение алгоритмов машинного обучения к ряду типов данных, включая текст, изображения, видео и аудио. Это создает системы искусственного..
Разъяснения мифов о науке о данных против реальности…
Мы все знаем, что каждая область или предмет или что-то, что вас интересует, будет иметь некоторые мифы (ложные убеждения или идеи). Точно так же, неудивительно, у нас есть некоторые мифы в области Data Science , которым не следует верить, особенно новичкам и стремящимся. Если вы хотите получить четкое представление об этом, прочитайте эту статью до конца, и вы не пожалеете. У меня есть 9 пунктов, чтобы объяснить, давайте обсудим подробно… 1. Вам необходимо иметь степень магистра..