Публикации по теме 'case-study'


10 замечательных примеров использования машинного обучения из блогов технологических компаний!
Чтобы научиться проектировать системы машинного обучения, полезно прочитать тематические исследования, чтобы увидеть, как реальные команды справляются с различными требованиями и ограничениями развертывания. Многие компании, такие как Airbnb, Lyft, Uber, Netflix, ведут отличные технические блоги, в которых делятся своим опытом использования машинного обучения для улучшения своих продуктов и / или процессов. Если вас интересует техническая компания, вам следует посетить их технические..
Как SuperAnnotate помогает исследователям из Швеции и Италии ускорить аннотацию изображений
Обзор проекта TACK Гражданская инфраструктура, такая как мосты и туннели, напрямую связана с общим экономическим и демографическим ростом стран во всем мире. Большинство этих инфраструктур стареют и все больше подвержены катастрофическим сбоям, которые приводят к гибели людей и высоким затратам. Чтобы предотвратить повреждение и отказ инфраструктуры, недавно были определены строгие правила техники безопасности. По этой причине администраторам дорог требуются более эффективные системы..
Как машинное обучение повлияло на Google Maps, которые мы знаем сегодня.
В век информационных технологий машинное обучение и глубокое обучение становятся все более и более важными с точки зрения анализа данных. Для более высокой точности и точности данные требуются в больших количествах. Для сбора этих данных непрерывно работают миллиарды датчиков с единственной целью, включая Интернет вещей. Многие из основных продуктов на рынке зависят от машинного обучения и устройств IoT. «Карты Google» — это одно из навигационных приложений, для точной работы..
В спешке, спешу! Дерево классификации и регрессии: шесть простых шагов
Что происходит в CART — и шесть простых шагов для построения модели. Дерево классификации и регрессии является частью алгоритма дерева решений. Дерево решений основано на алгоритмическом подходе, который определяет способы разделения данных в зависимости от условий. (добавь это фото) Дерево решений основано на жадном подходе «сверху вниз». Алгоритм ID3 использует усиление информации, тогда как C4.5 использует коэффициент усиления для разделения. CART является альтернативным,..
Реализация шифра Цезаря в Ruby
Шифр Цезаря - самый простой и широко известный метод шифрования. Он также известен как шифр Цезаря , шифр сдвига , код Цезаря , сдвиг Цезаря или ROT N. ( ROT13 - самый известный, смещающий буквы на 13). Это очень просто, потому что он работает только с буквами между A и Z , игнорируя все специальные символы, такие как точки , пробелы , вопросительные знаки и специальные буквы, например Ç или Á . Начиная нашу реализацию, нам нужно создать класс, который будет..
Машинное обучение — Диагностика неисправностей на трекерах автопарка
В этой статье представлено основанное на данных решение для диагностики неисправностей модулей слежения за парком транспортных средств. Введение Многие транспортные и логистические компании используют модули для отслеживания своих транспортных средств, и нередко некоторые модули работают не так, как ожидалось. Возможно, потребуется выбросить трекер, могут быть собраны неверные данные с транспортного средства или, например, может быть отправлена ​​​​техническая поддержка на большое..
Создавайте исключительные модели глубокого обучения быстрее, используя подробные визуальные эффекты нейронных сетей
Примеры использования нового программного обеспечения для визуализации для более быстрого выявления проблем и уменьшения количества догадок при аудите наборов данных и архитектуры сложных моделей. Вы тренируете свою искусственную нейронную сеть в течение нескольких часов, наблюдая, как проходят десятки эпох, и потери красиво уменьшаются. Но когда приходит время протестировать вашу модель, она терпит неудачу! Как неожиданно. Вы заметили, что ошибка - будь то ошибка обнаружения,..