Публикации по теме 'machine-learning'


ПРОГНОЗ НАВОДНЕНИЯ С ИСПОЛЬЗОВАНИЕМ МАШИННОГО ОБУЧЕНИЯ
ПРОГНОЗ НАВОДНЕНИЯ С ИСПОЛЬЗОВАНИЕМ МАШИННОГО ОБУЧЕНИЯ Модели машинного обучения (МО) для прогнозирования наводнений помогают предупреждать о наводнениях, а также смягчать или предотвращать их. Для этой цели методы машинного обучения (ML) приобрели популярность из-за их низких вычислительных требований и их зависимости в основном от данных наблюдений. Наводнения являются одним из самых разрушительных стихийных бедствий, наносящих ущерб человеческой жизни, инфраструктуре,..
Краткий обзор: как использовать функцию Across в программировании на R
( Обновление от 16 февраля: я возвращаюсь назад, чтобы включить исправление, упомянутое в комментариях Пола Джейкобсона, а также еще один пример из ChatGPT, который, как я думаю, добавит понимания (хотя объяснение мне не так нравится). :-) ). Отдельное спасибо Павлу за то, что заметил мою оплошность. Скоро будет обновление… Спасибо за терпение ) Если вы только начинаете изучать R и науку о данных, вы найдете функции, которые станут вашей основной тактикой при создании кода. Одна из..
GitEase  —  Инструмент для упрощения использования Git с добавлением магии искусственного интеллекта.
TL’DR Не каждое изменение кода имеет важное значение; для быстрого исправления в качестве единственного участника или игрушечного примера GitEase — это упрощенный способ использования Git. Помните, когда в последний раз вам приходилось искать, как отменить последнее изменение, или разницу между извлечением и извлечением? 🙈 Что, если бы вы могли просто использовать осмысленные команды, такие как save , load , share и undo ? Что, если ИИ возьмет на себя тяжелую умственную..
Разработка через тестирование в MLOps, часть 2
Подход к разработке через тестирование приложений на основе машинного обучения Это вторая часть из трех частей. Предлагаю вам прочитать часть 1 для лучшего понимания: Разработка через тестирование в MLOps, часть 1 Подход к разработке через тестирование приложений на основе ML medium.com В этой статье мы продолжим создание приложений на основе машинного обучения с использованием подхода TDD, уделяя особое внимание следующему:..
Автоматизируйте настройку гиперпараметров в блокнотах amazon sagemaker
Хотя машинное обучение может показаться заманчивым вариантом для принятия обоснованных решений или автоматизации ручного процесса, это не то, что не требует контроля. Алгоритмы машинного обучения необходимо время от времени перекалибровывать, когда показатели модели падают ниже порогового значения — это может быть из-за ухудшения качества данных, разброса данных или резких изменений в обучающих наборах данных. Один из самых популярных способов убедиться, что модель хорошо работает в..
Самостоятельное обучение — это непросто: 5 советов для начинающих
Когда вы изучаете машинное обучение и науку о данных, может быть трудно найти время и энергию для обучения. Этот пост в блоге поможет вам с некоторыми советами по самостоятельному изучению машинного обучения и науки о данных, чтобы вы не выгорели до окончания учебы! Начните с основ
10 лучших трюков JupyterLab, которые я нашел после трех лет использования
Вы можете начать использовать их прямо в эту секунду Не могу поверить, что говорю это, но прошло почти три года с тех пор, как я изучаю науку о данных. И на протяжении всего этого периода неизменным оставалось только одно — моя любовь к JupyterLab.