Թեմայի վերաբերյալ հրապարակումներ 'machine-learning'
Deep Learning-ը Computer Vision շուկայում ծաղկում է ամբողջ աշխարհում
Խորը ուսուցումը ինտենսիվ մեքենայական ուսուցման գործիք է, որը ցույց է տալիս արտասովոր արդյունավետություն բազմաթիվ ոլորտներում: Խորը ուսուցման լավագույն ձեռքբերումներից է բողոքի ճանաչումը կոնվոլյուցիոն նեյրոնային ցանցերով (CNN): Վերջին տարիներին ապացուցվել է, որ խորը ուսուցման գործընթացները հաղթահարում են մեքենայական ուսուցման ավանդական տեխնիկան և ընթացակարգերը մի քանի ոլորտներում, հիմնականում արհեստական տեսողության մեջ:
Համաշխարհային Deep Learning in Computer Vision Market -ը 2018..
Օգտագործելով մեքենայական ուսուցման ուժը բանկային, ֆինանսների և ապահովագրության ոլորտում
Ներածություն:
Վերջին տարիներին մեքենայական ուսուցումը (ML) հայտնվել է որպես հզոր գործիք, որը հեղափոխել է բազմաթիվ արդյունաբերություններ: ՓԼ-ի հնարավորություններից զգալիորեն օգուտ քաղած ոլորտներից են բանկային գործը, ֆինանսները և ապահովագրությունը: Օգտագործելով ՓԼ ալգորիթմներն ու տեխնիկան՝ այս հատվածները կարողացել են բարելավել իրենց գործունեությունը, բարելավել հաճախորդների փորձը և նվազեցնել ռիսկերը: Այս հոդվածում մենք կուսումնասիրենք ML-ի օգտագործման մի քանի հետաքրքրաշարժ դեպքեր..
Word2Vec (skip-gram մոդել). ՄԱՍ 1 - Ինտուիցիա:
Այստեղ բովանդակության մեծ մասը Քրիսի բլոգից է: Ես խտացրել եմ այն և փոքր ադապտացիաներ եմ արել։
վարկեր՝ Քրիս ՄաքՔորմիկ
http://mccormickml.com/2016/04/19/word2vec-tutorial-the-skip-gram-model/
http://mccormickml.com/2017/01/11/word2vec-tutorial-part-2-negative-sampling/
Ալգորիթմը գոյություն ունի երկու տարբերակով՝ CBOW և Skip-Gram : Հաշվի առնելով նախադասությունների մի շարք (որը նաև կոչվում է կորպուս ), մոդելը պտտվում է յուրաքանչյուր նախադասության բառերի վրա և կամ փորձում է..
Jupyter Notebook-ից մինչև տեղակայում — Ուղիղ օրինակ
Մեքենայական ուսուցման տիպիկ հետազոտական կոդ վերցնելու և արտադրության համար պատրաստ միկրոծառայություն կառուցելու քայլ առ քայլ օրինակ:
Այս հոդվածը նախատեսված է ծառայելու որպես տվյալների գիտաշխատողի իմ աշխատանքում կատարած ճանապարհորդության համախմբված օրինակ՝ սկսած Jupyter Notebook ձևաչափով տիպիկ լուծված խնդրից և այն վերածելով տեղակայված միկրոծառայության: Թեև կլինի ծածկագիր, սա նախատեսված չէ որպես ձեռնարկ, ավելի շուտ քայլ առ քայլ պատկերազարդ օրինակ այն մարտահրավերների և լուծումների, որոնք ես..
Աշխատանք ափսոսանքի վերլուծության հետ 8 (Մեքենայի ուսուցում)
Զղջման բարելավված վերլուծություն՝ փոփոխական-հարմարվողական գծային ավազակների և հորիզոնից զերծ գծային խառնուրդի MDP-ների համար (arXiv)
Հեղինակ՝ Yeoneung Kim , Insoon Yang , Kwang-Sung Jun
Համառոտ . Առցանց ուսուցման խնդիրներում ցածր շեղումների օգտագործումը կարևոր դեր է խաղում կատարողականի ամուր երաշխիքներ ձեռք բերելու համար, սակայն դժվար է, քանի որ շեղումները հաճախ առաջնահերթ հայտնի չեն: Վերջերս զգալի առաջընթաց է գրանցվել Zhang et al. (2021), որտեղ նրանք ստանում են գծային ավազակների..
Օգտագործելով Stocktwits-ը՝ ներդրողների տրամադրությունների չափանիշ ստեղծելու համար
Ծրագրավորում
Օգտագործելով Stocktwits-ը՝ ներդրողների տրամադրությունների չափանիշ ստեղծելու համար
Ներածություն
Stocktwits-ը գովազդվում է որպես սոցիալական մեդիա ալիք թրեյդերների համար: Նրանց վեբկայքում դուք կարող եք որոնել ըստ տողերի՝ տեսնելու տարբեր հաշիվների մեկնաբանությունները՝ կապված բուլղարական, արջի կամ չեզոք ուղղության հետ: Յուրաքանչյուր գծապատկերի վերևում դրված է տրամադրության արժեք, որը վերցնում է օրական աճող և անկումային հաղորդագրությունների կամ «թվիթների» քանակը և դրանք..
Մարդկային համակարգչի փոխազդեցության մաս 4-ի վերջին թարմացումները
AI HCI դիզայնի և օգտագործողի փորձի մեջ (arXiv)
Հեղինակ՝ Wei Xu
Համառոտագիր. Այս գլխում մենք վերանայում և քննարկում ենք AI տեխնոլոգիայի վերափոխումը HCI/UX աշխատանքում և գնահատում, թե ինչպես AI տեխնոլոգիան կփոխի մեր կատարած աշխատանքը: Մենք նախ քննարկում ենք, թե ինչպես AI-ն կարող է օգտագործվել օգտատերերի հետազոտության և դիզայնի գնահատման արդյունքը բարձրացնելու համար: Այնուհետև մենք քննարկում ենք, թե ինչպես կարող է AI տեխնոլոգիան օգտագործվել HCI/UX դիզայնը բարելավելու համար: Վերջապես,..
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..