Публикации по теме 'data-visualization'
Визуализируйте свои кластеры Kafka в реальном времени с помощью Kafka NightOwl
Представляем Kafka NightOwl: решение с открытым исходным кодом для визуализации и мониторинга кластера Kafka в режиме реального времени
В постоянно меняющемся ландшафте потоковой передачи и обработки данных Apache Kafka стал краеугольным камнем технологии для создания конвейеров данных в реальном времени и приложений, управляемых событиями. Однако вместе с мощью Kafka возникает потребность в эффективном мониторинге и визуализации кластеров Kafka. Откройте для себя Kafka NightOwl,..
Панель мониторинга модели машинного обучения
Создание информационных панелей для интерпретации модели машинного обучения
В настоящее время создание модели машинного обучения легко из-за различных библиотек python, представленных на рынке, таких как sklearn, lazypredict и т. Д. Эти библиотеки просты в использовании и используются для создания различных типов моделей наряду с различными типами визуализаций и определения исполнение модели. Если вы не знаете, как работает ленивое прогнозирование, ознакомьтесь со статьей, приведенной..
Обнаружение очков — OpenCV, DLIB, MMOD CNN на черно-белых изображениях
Амит Пармар, специалист по данным в Rapidops Inc., Ахмедабад
Эта статья является расширением статьи Сиддхарт Манджи ( https://medium.com/mlearning-ai/glasses-detection-opencv-dlib-bf4cd50856da ) в Сиддхарт Манджи в статье он дал возможность обнаруживать очки на изображении любого человека. В статье он использует детектор = dlib.get_frontal_face_detector() для обнаружения лица, вместо этого детектора dlib.cnn_face_detection_model_v1('mmod_human_face_detector .dat') является..
По сути, это был я в недавнем приложении NLP, которое я развернул через Streamlit!
По сути, это был я в недавнем приложении НЛП , которое я развернул через Streamlit!
Работа с тяжелыми данными, часть 2 (машинное обучение)
Одноступенчатая классификация пищевых продуктов с тяжелыми хвостами (arXiv)
Автор: Цзянпэн Хэ , Фэнцин Чжу .
Аннотация: Классификация изображений продуктов питания на основе глубокого обучения позволила более точно анализировать содержание питательных веществ для оценки питания на основе изображений путем прогнозирования типов продуктов питания на изображениях событий приема пищи. Однако существуют два основных препятствия для применения классификации пищевых продуктов в реальной..
A34: Обработка отсутствующих данных, условия взаимодействия, поиск по сетке, обучение и оценка модели
Отсутствующие данные, удаление по списку и попарно, одиночное вменение, вменение на основе модели, полный анализ случаев, разработка признаков, поиск по сетке, обучение и оценка модели машинного обучения — пошаговое руководство по прогнозированию заболевания почек!
Эта статья является частью серии книг Наука о данных с нуля — Могу ли я, чтобы я смог . ( Нажмите здесь, чтобы получить копию сегодня !)
Нажмите здесь, чтобы просмотреть предыдущую статью/лекцию «A33: Обработка..
Подготовьте свои данные для машинного обучения, как Rockstar Data Engineer, с помощью платформы ИИ DataRobot
В этом видеоруководстве по подготовке данных с помощью платформы искусственного интеллекта Data Robot мы сосредоточимся на первой части платформы искусственного интеллекта «Подготовка данных». На этом этапе вы разработаете каталог ИИ на основе своих данных, а подготовка данных поддерживает различные функции, как описано ниже.
Практические занятия Содержание:
Различные функции платформы AI Подготовка данных Каталог AI (Библиотека) Видео и объяснение Создание проекта подготовки..
