Публикации по теме 'data-visualization'


Многозадачное обучение останется с 2023 г., часть 10 (машинное обучение + RL)
Многозадачное обучение для улучшения обнаружения поздней механической активации сердца с помощью Cine DENSE MRI (arXiv) Автор: Цзяруй Син , Шо Ван , Кеннет К. Билчик , Фредерик Х. Эпштейн , Амит Р. Патель , Мяомяо Чжан . Резюме: Выбор оптимального места стимуляции, которое в идеале не должно иметь рубцов и поздно активируется, имеет решающее значение для ответа на сердечную ресинхронизирующую терапию (СРТ). Несмотря на успех современных подходов, формулирующих обнаружение таких..
AG Grid против DevExtreme DataGrid. Какой из них вы должны получить?
AG Grid против DevExtreme DataGrid. Какой из них вы должны получить? TLDR; Я думаю, что набор элементов управления DevExtreme из более чем 70 элементов пользовательского интерфейса, который поставляется с Data Grid, обеспечивает гораздо лучшее соотношение цены и качества, чем AG Grid. Data Grid предоставляет функции, которые подходят почти для всех типичных случаев использования в бизнесе. AG Grid предоставляется ag-grid.com, а DevExtreme — это набор из более чем 70 элементов..
Глава 2: Практическое машинное обучение с помощью Scikit-Learn и TensorFlow
Глава 2: Комплексный проект машинного обучения В этой главе мы будем работать над сквозным проектом ML, используя набор данных реального слова. Основные шаги в любом проекте машинного обучения Сформулируйте проблему. Соберите набор данных. Откройте для себя и визуализируйте данные, чтобы получить представление. Подготовьте данные для алгоритмов машинного обучения. Выберите модель и обучите ее. Настройте свою модель. Представьте свое решение. Кратко расскажем о каждом пункте...
Пуленепробиваемое развертывание блестящих приложений
Здесь, в Dstillery , мы недавно обнаружили новую игрушку: пакет Shiny для R. Это простой и удобный способ превратить таблицы MySQL (или Hive) в интерактивные веб-приложения для визуализации данных, наполненные забавными кнопками, ползунками и ручками. . Вы можете прочитать все об этом здесь , но сначала небольшое предупреждение: если у вас есть реальная работа, вы можете отложить ее и придумывать причины для создания собственных приложений Shiny. Это так круто. 70 строк кода = 1..
Прогноз солнечной энергии с использованием SARIMA, XGBoost и CNN-LSTM
Анализ и прогнозирование производительности солнечной энергетики с использованием статистических тестов и машинного обучения Оглавление "Введение" "Данные" Исследовательский анализ данных (EDA) Моделирование САРИМА XGBoost CNN-LSTM "Полученные результаты" 5. Вывод" Цель этого поста — показать, как применение методологий науки о данных можно использовать для решения проблем в секторе возобновляемых источников энергии. Я расскажу о методах получения ощутимой..
Аналитика данных о покемонах!
Я всегда любил аниме. И покемоны были тем, что привело меня в аниме в детстве. От коллекционных карточек до аниме, видеоигр и даже фигурок! Я бы пообщался с ними всеми. Я любил покемонов . До сих пор, если уж на то пошло. Однако теперь разница в том, что я могу использовать всю мощь визуализации данных! И именно об этом этот пост в блоге. Да, кстати, спасибо тем, кто выложил набор данных — найдите его здесь! — https://www.kaggle.com/abcsds/pokemon/version/2 В поисках..
Начало работы с MATLAB в 2023 году для начинающих
Вы хотите начать работу с MATLAB в 2023 году? MATLAB — популярный язык программирования, используемый в различных областях, таких как инженерия, финансы и анализ данных. Он имеет удобный интерфейс и обширную библиотеку встроенных функций и инструментов для численных вычислений. Вот пошаговое руководство, которое поможет вам начать работу с MATLAB в 2023 году. Шаг 1. Установите MATLAB Первый шаг — загрузить и установить MATLAB на свой компьютер. MATLAB — это проприетарное..