Թեմայի վերաբերյալ հրապարակումներ 'deep-learning'
Գործարկեք ML-ի աշխատանքները ցանկացած մշակողի միջավայրից
Որտե՞ղ եք մշակում ML մոդելները: Որտե՞ղ եք դրանք ներկայացնում հեռավար վերապատրաստման:
Ահա թե ինչ ենք մենք տեսել տվյալների գիտնականներից, հետազոտողներից և ML ինժեներներից:
💻 Զարգացում
Միջին հաշվով, մարդիկ, որոնց հետ մենք խոսում ենք, օգտագործում են զարգացման 3 տարբեր միջավայրեր:
Հակիրճության համար մենք այս օգտատերերի խմբին կանվանենք որպես «ML մշակողներ»:
Սովորական է տեսնել, որ ML ծրագրավորողները օգտագործում են տեղական Jupyter նոթատետրեր փորձերի մեծ մասի համար, փոխակերպում են..
Ինչպես է աշխատում Ադոմիական տարրալուծման մեթոդը մաս 5 (Մեքենայի ուսուցում)
Ծանոթագրություն ադոմյան տարրալուծման մեթոդի կոնվերգենցիայի վերաբերյալ (arXiv)
Հեղինակ՝ Հիչամ Զուբեյր
Վերացական. Այս նշումում մենք ստանում ենք նոր կոնվերգենցիայի արդյունք ադոմյան տարրալուծման մեթոդի համար:
2. Ընդհանուր հարաբերական պերիհելիոնի պրեցեսիայի և լույսի շեղման հաշվարկը Լապլասի-Ադոմյան տարրալուծման մեթոդի միջոցով (arXiv)
Հեղինակ՝ Man Kwong Mak , Chun Sing Leung , Tiberiu Harko
Համառոտագիր. Մենք ուսումնասիրում ենք զանգվածային և անզանգված մասնիկների շարժման..
Հերթականության շրջանակը. Դաշնային ուսուցման ամենակարևոր շրջանակը
Շաբաթական տեղեկագիր ավելի քան 120,000 բաժանորդներով, որը քննարկում է ազդեցիկ ML հետազոտական փաստաթղթերը, հիանալի տեխնոլոգիական թողարկումները, AI-ի գումարը և իրական կյանքում իրականացվող աշխատանքները:
📝 Խմբագրական. Ամենակարևոր դաշնային ուսուցումը…
ՍԵՆՏԻՄԵՆՏԻ ՎԵՐԼՈՒԾՈՒԹՅՈՒՆ
Ումայր Շաքելի կողմից
Ներածություն
Բիզնեսը հաջողությամբ վարելու համար ընկերությունը պետք է հասկանա, թե ինչ են ուզում իր հաճախորդները: Այս հաճախորդներն օգտագործում են ապրանքները և ցույց տալիս, թե ինչ են զգում: Այսպիսով, տրամադրությունների վերլուծությունը օգտագործվում է համակարգչին ակնարկները հասկանալու համար: Այն օգտագործում է բնական լեզվի մշակման (NLP) տեխնիկան և մեքենայական ուսուցումը և հայտնաբերում է՝ արդյոք տվյալների տրամադրությունը դրական է, բացասական, թե չեզոք: Այն փնտրում է..
Աշխատանք ափսոսանքի վերլուծության մաս 5 (մեքենայական ուսուցում)
Ափսոսանքի վերլուծություն հիերարխիկ փորձագետների համար Ավազակային խնդիր (arXiv)
Հեղինակ՝ Qihan Guo , Siwei Wang , Jun Zhu
Վերացական. Մենք ուսումնասիրում ենք ստանդարտ ավազակային խնդրի ընդլայնումը, որտեղ կան փորձագետների R շերտեր: Բազմաշերտ փորձագետները շերտ առ շերտ ընտրություն են կատարում, և միայն վերջին շերտի փորձագետները կարող են զենք խաղալ: Ուսուցման քաղաքականության նպատակն է նվազագույնի հասցնել ընդհանուր ափսոսանքը այս հիերարխիկ փորձագետների միջավայրում: Մենք նախ վերլուծում ենք..
Խորը ուսուցման և բնական լեզվի մշակման կիրառում տվյալների ընդլայնված վերլուծության համար
Տվյալների վրա հիմնված ընկերությունների ոլորտում խորը ուսուցման տեխնիկայի միաձուլումը բնական լեզվի մշակման (NLP) հետ ի հայտ է եկել որպես խաղի փոփոխիչ՝ ընդարձակ տեքստային տվյալներից արժեքավոր պատկերացումներ քաղելու համար: Այս բլոգը ուսումնասիրում է AI-ի և մեքենայական ուսուցման ալգորիթմների օգտագործման տեխնիկական բարդությունները՝ պարզաբանելով դրանց բազմաթիվ առավելությունները ձեռնարկության կարգավորումներում: Մենք ուսումնասիրում ենք ներգրավված համապարփակ գործընթացը, ներառյալ հաճախորդի կարիքները..
Քվանտիլային մոտարկման տեխնիկայի հետ աշխատանք մաս 3 (Մեքենայի ուսուցում)
Մեծածավալ տվյալների վրա մոտավոր քանակական հաշվարկների հետազոտություն (Տեխնիկական հաշվետվություն) (arXiv)
Հեղինակ՝ Zhiwei Chen , Aoqian Zhang
Վերացական. Քանի որ տվյալների ծավալը մեծանում է, տվյալների պրոֆիլավորումն օգնում է հանել լայնածավալ տվյալների մետատվյալները: Այնուամենայնիվ, մետատվյալների մի տեսակ՝ պատվերի վիճակագրությունը, դժվար է հաշվարկել, քանի որ դրանք միաձուլվող կամ աճող չեն: Այսպիսով, ժամանակի և հիշողության տարածության սահմանափակումը չի ապահովում դրանց հաշվարկը..
Նոր նյութեր
Օգտագործելով Fetch Vs Axios.Js-ը՝ HTTP հարցումներ կատարելու համար
JavaScript-ը կարող է ցանցային հարցումներ ուղարկել սերվեր և բեռնել նոր տեղեկատվություն, երբ դա անհրաժեշտ լինի: Օրինակ, մենք կարող ենք օգտագործել ցանցային հարցումը պատվեր ներկայացնելու,..
Տիրապետել հանգստության արվեստին. մշակողի ուղեցույց՝ ճնշման տակ ծաղկելու համար
Տիրապետել հանգստության արվեստին. մշակողի ուղեցույց՝ ճնշման տակ ծաղկելու համար
Ինչպե՞ս հանգստացնել ձեր միտքը և աշխատեցնել ձեր պրոցեսորը:
Ինչպես մնալ հանգիստ և զարգանալ ճնշման տակ...
Մեքենայի ուսուցում բանկային և ֆինանսների ոլորտում
Բարդ, խելացի անվտանգության համակարգերը և հաճախորդների սպասարկման պարզեցված ծառայությունները բիզնեսի հաջողության բանալին են: Ֆինանսական հաստատությունները, մասնավորապես, պետք է առաջ մնան կորի..
Ես AI-ին հարցրի կյանքի իմաստը, այն ինչ ասում էր, ցնցող էր:
Այն պահից ի վեր, երբ ես իմացա Արհեստական ինտելեկտի մասին, ես հիացած էի այն բանով, թե ինչպես է այն կարողանում հասկանալ մարդկային նորմալ տեքստը, և այն կարող է առաջացնել իր սեփական արձագանքը դրա..
Ինչպես սովորել կոդավորումը Python-ում վագրի պես:
Սովորելու համար ծրագրավորման նոր լեզու ընտրելը բարդ է: Անկախ նրանից, թե դուք սկսնակ եք, թե առաջադեմ, դա օգնում է իմանալ, թե ինչ թեմաներ պետք է սովորել: Ծրագրավորման լեզվի հիմունքները, դրա..
C++-ի օրական բիթ(ե) | Ամենաերկար պալինդրոմային ենթաշարը
C++ #198-ի ամենօրյա բիթ(ե), Ընդհանուր հարցազրույցի խնդիր. Ամենաերկար պալինդրոմային ենթատող:
Այսօր մենք կանդրադառնանք հարցազրույցի ընդհանուր խնդրին. Ամենաերկար palindromic substring...
Kydavra ICAReducer՝ ձեր տվյալների ծավալայինությունը նվազեցնելու համար
Ի՞նչ է ICAReducer-ը:
ICAReducer-ն աշխատում է հետևյալ կերպ. այն նվազեցնում է նրանց միջև բարձր փոխկապակցված հատկանիշները մինչև մեկ սյունակ: Բավականին նման է PCAreducer-ին, չնայած այն..