Публикации по теме 'data-science'


Новый способ прогнозирования вероятностных распределений
Изучение многоквантильной регрессии с помощью Catboost Насколько мы можем быть уверены в прогнозах модели машинного обучения? Этот вопрос был важной областью исследований в течение последнего десятилетия, и он имеет большое значение для приложений машинного обучения с высокими ставками, таких как финансы и здравоохранение. В то время как многие модели классификации, особенно откалиброванные модели, имеют количественную оценку неопределенности путем прогнозирования распределения..
Обновления о скрытых марковских моделях в 2023 году, часть 5 (машинное обучение)
Быстрая адаптивная троичная сегментация: эффективная процедура декодирования скрытых марковских моделей (arXiv) Автор: Александр Мёшинг , Хаусен Ли , Аксель Мун . Аннотация: Скрытые модели Маркова (СММ) характеризуются ненаблюдаемой (скрытой) цепью Маркова и наблюдаемым процессом, который представляет собой зашумленную версию скрытой цепи. Декодирование исходного сигнала (то есть скрытой цепочки) из зашумленных наблюдений является одной из основных целей почти всех анализов данных..
12 встроенных функций Python для науки о данных и аналитики
С вариантами использования и примерами кода Python — язык программирования, который выбирают многие специалисты по данным и аналитики. Благодаря своей относительной простоте, универсальности и широкому спектру сторонних библиотек это бесценное дополнение к любому набору инструментов для обработки данных и аналитики. От обработки данных до визуализации и машинного обучения — такие библиотеки, как Pandas, Numpy…
Три функции, которые нужно знать в Python
Узнайте, как использовать функции map, filter и reduce в Python В Python есть три функции, которые обеспечивают большую практичность и полезность при программировании. Эти три функции, которые обеспечивают функциональный стиль программирования в объектно-ориентированном языке Python, - это функции map (), filter () и reduce (). Эти функции можно не только использовать по отдельности, но и комбинировать, чтобы обеспечить еще большую полезность. В этом руководстве мы рассмотрим эти..
Оптимизация операций машинного обучения (MLOps) с помощью Kubernetes и Terraform
Использование Terraform для упрощения настройки кластера AWS EKS для изучения инструментов декларативного машинного обучения Обновление: декларативные MLOps — оптимизация обслуживания моделей в Kubernetes . Вот запись моего выступления, в которой кратко изложена эта статья, а также приведены другие рекомендации по созданию собственных контейнеров и использованию GitOps для их развертывания с помощью CI. /CD.
Варианты использования доброкачественной переобучения, часть 9 (машинное обучение)
Доброкачественное переоснащение в состязательно устойчивой линейной классификации (arXiv) Автор: Цзинхуэй Чен , Юань Цао , Цюаньцюань Гу . Аннотация: «Безобидное переобучение», когда классификаторы запоминают зашумленные обучающие данные, но при этом достигают хороших результатов обобщения, привлекло большое внимание в сообществе машинного обучения. Чтобы объяснить это удивительное явление, в ряде работ было дано теоретическое обоснование чрезмерно параметризованной линейной..
Часовой спринт к компьютерному зрению с OpenCV в Python
Что такое OpenCV? OpenCV — самая популярная библиотека, которая используется для обработки изображений в Python. Он используется для обнаружения и распознавания лиц, идентификации объектов, классификации действий человека в видео, отслеживания движения с помощью камеры и многого другого. Цель этого поста — познакомить вас с основами обработки цифровых изображений с использованием OpenCV в Python. Итак, начнем наше путешествие. Что такое пиксель и изображение? Определение..