Публикации по теме 'data'
Ошибки обучения модели машинного обучения: как их избежать
В этом блоге освещаются некоторые важные ошибки, которые можно совершить при обучении модели машинного обучения. Обучение модели машинного обучения — это процесс обучения модели распознаванию закономерностей в данных. На этапе обучения модель подвергается воздействию набора данных и «учится», как различать различные функции и точно предсказывать результаты. Целью этапа обучения является оптимизация производительности модели, чтобы она могла делать точные прогнозы при воздействии новых..
Проблемы машинного обучения (часть II)
После разговора о проблемах, связанных с данными , о том, что модель машинного обучения не работает должным образом, в статье ниже.
Проблемы машинного обучения (часть I) После обсуждения различных подходов, используемых алгоритмами машинного обучения для обучения, в статье ниже medium.com
Давайте перейдем ко второй части, связанной с проблемами, связанными с алгоритмами .
Предположим, вы новичок, средний или профессиональный..
Использование моделей времени ожидания для создания динамических услуг транспортных средств (обзор + техническое обслуживание автомобилей…
Написано командой MSBA Capstone в сотрудничестве с 99P Labs: Ти Лакхананукун , Прак Пола , Ребекка Стивенс и Джоселин Ван
Команда MSBA Capstone входит в программу Магистр наук в области бизнес-аналитики Университета Карнеги-Меллона.
Оглавление
Обзор проекта и структура Бизнес-понимание Понимание данных Подготовка данных — Проверка опроса Методология моделирования Оценка модели — Важность функции Заключение и следующие шаги Благодарности..
Инструменты для Data Scientist
Основываясь на своем опыте в профессиональной области науки о данных и моей академической квалификации в области бизнес-аналитики, я хотел бы поделиться тем, что я узнал о профессии, и пролить свет на тех, кто заинтересован в присоединении к этой области. Я пишу эту статью с точки зрения науки о данных, применяемой в бизнесе.
Что такое наука о данных?
Наука о данных — это способность принимать осмысленные решения на основе данных с использованием вычислительного анализа. В науке о..
Самые горячие вакансии этого года связаны с искусственным интеллектом
Прощай, блокчейн-разработчик, здравствуй, специалист по искусственному интеллекту .
Та роль, А.И. специалист, является самой быстрорастущей работой в США с точки зрения количества нанятых сотрудников, по крайней мере, согласно LinkedIn, который опубликовал свой ежегодный отчет о новых рабочих местах во вторник.
Наймы для А.И. По данным LinkedIn, за последние четыре года число специалистов в сфере карьерных сетей выросло на 74% в год. Но это не показало, сколько рабочих мест они..
Машинное обучение № 2 — «Как сделать?»
Машинное обучение № 2 — Как?
Я расскажу, как разработать процесс машинного обучения (ML). Можно разложить на следующие этапы:
Выберите набор данных
В этом случае предполагается, что набор данных доступен в виде файлов xls или csv. Так что нам остается только выбрать его. Но в других случаях мы должны выполнять процесс интеллектуального анализа и сбора данных, чтобы создавать данные, которые могут быть обработаны ML.
2. Очистка набора данных
Мы должны предоставить правильные..
Понимание использования квадратичного программирования (программирование)
1. Квадратичное программирование с ограничениями разреженности через полиномиальные корни ( arXiv )
Автор: Кевин Шу
Аннотация: Квадратичные программы с квадратичными ограничениями (QCQP) — это выразительное семейство задач оптимизации, которые естественным образом возникают во многих приложениях. Часто представляет интерес поиск разреженных решений, в которых многие элементы решения равны нулю. В этой статье будут рассмотрены QCQP с одним линейным ограничением вместе с..
