Публикации по теме 'getting-started'


Меры погрешностей прогнозов: их понимание с помощью экспериментов
"Начиная" Меры погрешностей прогнозов: их понимание с помощью экспериментов Измерение - это первый шаг, ведущий к контролю и, в конечном итоге, к улучшению. Х. Джеймс Харрингтон Во многих бизнес-приложениях способность планировать наперед имеет первостепенное значение, и в большинстве таких сценариев мы используем прогнозы, чтобы помочь нам планировать наперед. Например, если у меня розничный магазин , сколько коробок этого шампуня я должен заказать сегодня? Посмотрите прогноз...
Как структурировать рабочий процесс Data Science
"Начиная" Как структурировать рабочий процесс Data Science 7 шагов (с примерами) к решению любой задачи науки о данных 1. Начало работы Со стороны наука о данных может показаться огромной и туманной дисциплиной. Сегодняшние специалисты по науке о данных не посещали университеты, чтобы получить ученую степень (хотя многие университеты теперь предлагают эти программы). Первое поколение профессиональных данныхологов происходит из таких дисциплин, как математика, статистика,..
Неделя машинного обучения
Это 7 дней серии машинного обучения для новичков. Это не сделает вас экспертом за эти 7 дней, но поможет вам начать. Вы познакомитесь с основными алгоритмами и рабочим процессом, используемым при подготовке решения. Предпосылка (что вы должны знать или иметь перед тем, как начать) Ноутбук и подключение к Интернету (очевидно) Python (Базовый Python вполне подходит, никаких проблем, если вы не знаете. Я объясню каждый код.) Новичок и хочет учиться Сколько времени каждый день?..
Градиентный спуск - шаг за шагом
"Начиная" Градиентный спуск - шаг за шагом Интуитивно понятное руководство для начинающих по основной механике градиентного спуска, которое используется для минимизации различных функций потерь в машинном обучении. Градиентный спуск (GD) - это алгоритм оптимизации, используемый для итеративного минимизации любой заданной функции стоимости. Но что такое функция стоимости? Это функция, которая измеряет точность обученной модели машинного обучения при прогнозировании. Общие примеры..
Введение в глубокое Q-обучение с помощью SynapticJS и ConvNetJS
Приложение для игры Connect 4 Полную статью в блоге Sicara читайте здесь . Легко приступите к обучению с подкреплением с помощью JavaScript , применив глубокое Q-обучение к простой игре: connect4 . Благодаря этому я построил свой первый ИИ ! Зачем подключать 4? Когда я решил узнать об обучении с подкреплением, я подумал, что могу начать с Generals.io . В конце концов, казалось довольно простым создать непревзойденный AI в Chess , Go и DOTA II . Как я мог не сделать то..
Как использовать PyCaret - библиотеку для машинного обучения с низким кодом
"Начиная" Как использовать PyCaret - библиотеку для машинного обучения с низким кодом Обучайте, визуализируйте, оценивайте, интерпретируйте и развертывайте модели с минимальным кодом Когда мы подходим к задачам контролируемого машинного обучения, может возникнуть соблазн просто посмотреть, как работает случайный лес или модель повышения градиента, и прекратить эксперименты, если мы удовлетворены результатами. Что, если бы вы могли сравнить множество разных моделей с помощью одной..
Введение в vavr (функциональная библиотека для Java)
Введение В этом посте я расскажу о Vavr и его модулях. Vavr — это, по сути, функциональная библиотека Java, цель которой — расширить возможности Java8 и помочь уменьшить объем кода и повысить его качество. Он предоставляет коллекции, функциональные интерфейсы для обработки ошибок, параллельного программирования и сопоставления с образцом. Существует множество других модулей, которые вращаются вокруг ядра vavr. Vavr предоставляет необходимые элементы управления и коллекции для..