07 2020 档案

摘要:作者|Chanin Nantasenamat 编译|VK 来源|Towards Data Science 在本文中,我将向你展示如何使用streamlit python库快速构建一个简单的数据驱动web应用程序,只需几行代码。 作为一名数据科学家或机器学习工程师,能够部署我们的数据科学项目是很重要的 阅读全文
posted @ 2020-07-31 16:49 人工智能遇见磐创 阅读(417) 评论(0) 推荐(0) 编辑
摘要:作者|ALAKH SETHI 编译|VK 来源|Analytics Vidhya 目标检测 我喜欢深度学习。坦率地说,这是一个有大量技术和框架可供倾注和学习的广阔领域。当我看到现实世界中的应用程序,如面部识别和板球跟踪等时,建立深度学习和计算机视觉模型的真正兴奋就来了。 我最喜欢的计算机视觉和深入学 阅读全文
posted @ 2020-07-30 19:46 人工智能遇见磐创 阅读(496) 评论(0) 推荐(0) 编辑
摘要:作者|DR. VAIBHAV KUMAR 编译|VK 来源|Analytics In Diamag 随着深度学习模型在各种应用中的成功实施,现在是时候获得不仅准确而且速度更快的结果。 为了得到更准确的结果,数据的大小是非常重要的,但是当这个大小影响到机器学习模型的训练时间时,这一直是一个值得关注的问 阅读全文
posted @ 2020-07-30 12:17 人工智能遇见磐创 阅读(912) 评论(0) 推荐(0) 编辑
摘要:作者|ALAKH SETHI 编译|VK 来源|Analytics Vidhya 介绍 我喜欢使用C++。C++是我学习过的第一种编程语言,我喜欢在机器学习中使用它。 我在之前写过关于构建机器学习模型的文章。我收到了一个回复,问我C++有没有机器学习的库? 这是个公平的问题。像Python和R这样的 阅读全文
posted @ 2020-07-29 21:45 人工智能遇见磐创 阅读(4329) 评论(0) 推荐(0) 编辑
摘要:作者|GUEST 编译|VK 来源|Analytics Vidhya 介绍 检验是统计学中最基本的概念之一。不仅在数据科学中,假设检验在各个领域都很重要。想知道怎么做?让我们举个例子。现在有一个lifebuoy沐浴露。 沐浴露厂商声称,它杀死99.9%的细菌。他们怎么能这么说呢?必须有一种测试技术来 阅读全文
posted @ 2020-07-29 13:12 人工智能遇见磐创 阅读(1737) 评论(0) 推荐(0) 编辑
摘要:作者|Aaron Abrahamson 编译|VK 来源|Towards Data Science 在沙丘魔堡2000上训练文本生成模型 沙丘魔堡是一个遥远的封建社会的故事。它关注的是一位公爵和他的家人,他们被迫成为沙漠星球阿拉基斯的管理者。弗兰克·赫伯特在1965年出版了这部经典作品。几乎任何现代 阅读全文
posted @ 2020-07-28 19:43 人工智能遇见磐创 阅读(389) 评论(0) 推荐(0) 编辑
摘要:作者|KAUSHIK 编译|VK 来源|Analytics Vidhya 概述 学会用KNNImputer来填补数据中的缺失值 了解缺失值及其类型 介绍 scikit learn公司的KNNImputer是一种广泛使用的缺失值插补方法。它被广泛认为是传统插补技术的替代品。 在当今世界,数据是从许多来 阅读全文
posted @ 2020-07-28 12:02 人工智能遇见磐创 阅读(14619) 评论(0) 推荐(2) 编辑
摘要:作者|The AI LAB 编译|VK 来源|Medium 对SparseNN模型的过拟合进行研究,并探索了多种正则化方法,如嵌入向量的max-norm/constant-norm、稀疏特征id的dropout、参数的freezing、嵌入收缩等。然而,据我们所知,在单次训练中,没有显著的减少过拟合 阅读全文
posted @ 2020-07-27 20:47 人工智能遇见磐创 阅读(239) 评论(0) 推荐(0) 编辑
摘要:作者|DR. VAIBHAV KUMAR 编译|VK 来源|Analytics In Diamag 文本分类是自然语言处理的重要应用之一。在机器学习中有多种方法可以对文本进行分类。但是这些分类技术大多需要大量的预处理和大量的计算资源。在这篇文章中,我们使用PyTorch来进行多类文本分类,因为它有如 阅读全文
posted @ 2020-07-27 13:01 人工智能遇见磐创 阅读(1719) 评论(0) 推荐(0) 编辑
摘要:作者|Michael Grogan 编译|VK 来源|Towards Data Science 蒙特卡洛这种方法在金融等领域得到了广泛的应用,以便对各种风险情景进行建模。 然而,该方法在时间序列分析的其他方面也有重要的应用。在这个特定的例子中,让我们看看蒙特卡洛方法如何被用来为web页面浏览量建模。 阅读全文
posted @ 2020-07-27 01:15 人工智能遇见磐创 阅读(448) 评论(0) 推荐(0) 编辑
摘要:作者|DR. VAIBHAV KUMAR 编译|VK 来源|Analytics In Diamag 自然语言处理(NLP)有很多有趣的应用,文本生成就是其中一个有趣的应用。 当一个机器学习模型工作在诸如循环神经网络、LSTM-RNN、GRU等序列模型上时,它们可以生成输入文本的下一个序列。 PyTo 阅读全文
posted @ 2020-07-26 12:57 人工智能遇见磐创 阅读(876) 评论(0) 推荐(0) 编辑
摘要:作者|GUEST 编译|VK 来源|Analytics Vidhya 介绍 时间序列预测是机器学习的一个非常重要的领域,因为它让你能够提前“预见”并据此制定业务计划。 在本博客中,我们将了解什么是时间序列预测,Power BI如何制作时间序列预测图和Power BI用于预测的模块。 什么是时间序列预 阅读全文
posted @ 2020-07-25 22:07 人工智能遇见磐创 阅读(1301) 评论(0) 推荐(0) 编辑
摘要:作者|RAM DEWANI 编译|VK 来源|Analytics Vidhya 概述 SQL是任何从事分析或数据科学的人都必须知道的语言 这里有8种用于数据分析的SQL技术,任何数据科学专业人士都会喜欢使用它 介绍 SQL是数据科学专业人员军械库中的一个关键齿轮。这是经验之谈,如果你还没有学会SQL 阅读全文
posted @ 2020-07-25 12:27 人工智能遇见磐创 阅读(965) 评论(0) 推荐(0) 编辑
摘要:作者|Renu Khandelwal 编译|VK 来源|Towards Data Science 在这篇文章中,我们将讨论以下有关Transformer的问题 为什么我们需要Transformer,Sequence2Sequence模型的挑战是什么? 详细介绍了Transformer及其架构 深入研 阅读全文
posted @ 2020-07-24 20:59 人工智能遇见磐创 阅读(2150) 评论(0) 推荐(0) 编辑
摘要:作者|Andre Ye 编译|Flin 来源|towardsdatascience 使用CNN识别胸部X光片中的肺炎 人工智能在现实世界中有多种应用,其中非常重要的一项是在医疗行业中的应用。在本文中,我将提供卷积神经网络如何从胸部X射线诊断肺炎的代码和过程。 导入库 让我们加载一些重要的库: fro 阅读全文
posted @ 2020-07-24 11:57 人工智能遇见磐创 阅读(405) 评论(0) 推荐(0) 编辑
摘要:作者|Veysel Kocaman 编译|VK 来源|Towards Data Science 自然语言处理(NLP)是许多数据科学系统中必须理解或推理文本的关键组成部分。常见的用例包括文本分类、问答、释义或总结、情感分析、自然语言BI、语言建模和消歧。 NLP在越来越多的人工智能应用中是越来越重要 阅读全文
posted @ 2020-07-22 21:45 人工智能遇见磐创 阅读(1319) 评论(0) 推荐(0) 编辑
摘要:作者|PRANAV DAR 编译|VK 来源|Analytics Vidhya 概述 开源数据科学项目会给你的简历增加很多价值,帮助你在面试中脱颖而出 这里有7个开源数据科学项目 介绍 我要给你一个建议。我希望在我开始数据科学职业生涯的时候曾有人给过我这个建议。 当我在数据科学中穿越充满障碍的旅程时 阅读全文
posted @ 2020-07-22 13:25 人工智能遇见磐创 阅读(692) 评论(0) 推荐(0) 编辑
摘要:作者|GUEST 编译|VK 来源|Analytics Vidhya 概述 在AWS电子病历上建立John Snow实验室的Spark NLP,并使用该库对BBC文章进行简单的文本分类。 介绍 自然语言处理是全球数据科学团队的重要过程之一。随着数据的不断增长,大多数组织已经转移到大数据平台,如apa 阅读全文
posted @ 2020-07-21 16:59 人工智能遇见磐创 阅读(1477) 评论(0) 推荐(1) 编辑
摘要:作者|Nathan Lambert 编译|VK 来源|Towards Data Science 线性代数的基本原理如何用于深度强化学习?答案是解决了马尔可夫决策过程时的迭代更新。 强化学习(RL)是一系列用于迭代性学习任务的智能方法。由于计算机科学是一个计算领域,这种学习发生在状态向量、动作等以及转 阅读全文
posted @ 2020-07-20 22:02 人工智能遇见磐创 阅读(532) 评论(0) 推荐(0) 编辑
摘要:作者|ANIRUDDHA BHANDARI 编译|VK 来源|Analytics Vidhya 概述 理解R方和调整R方的概念 了解R方和调整R方之间的关键区别 介绍 当我开始我的数据科学之旅时,我探索的第一个算法是线性回归。 在理解了线性回归的概念和算法的工作原理之后,我非常兴奋地使用它并在问题陈 阅读全文
posted @ 2020-07-20 12:13 人工智能遇见磐创 阅读(3349) 评论(0) 推荐(0) 编辑
摘要:作者|Nathan Lambert 编译|VK 来源|Towards Data Science 研究价值迭代和策略迭代。 本文着重于对基本的MDP进行理解(在此进行简要回顾),将其应用于基本的强化学习方法。我将重点介绍的方法是"价值迭代"和"策略迭代"。这两种方法是Q值迭代的基础,它直接导致Q-Le 阅读全文
posted @ 2020-07-19 19:53 人工智能遇见磐创 阅读(909) 评论(0) 推荐(0) 编辑
摘要:作者|GUEST 编译|VK 来源|Analytics Vidhya 介绍 我们生活在数字技术的时代。你上次走进一家没有数字交易的商店是什么时候? 这些数字交易技术已经迅速成为我们日常生活的一个关键部分。 不仅仅是在个人层面,这些数字技术是每个金融机构的核心。通过多种可能的选择(如网上银行、ATM、 阅读全文
posted @ 2020-07-19 13:27 人工智能遇见磐创 阅读(239) 评论(0) 推荐(0) 编辑
摘要:作者|Nathan Lambert 编译|VK 来源|Towards Data Science 1.监督学习 现代强化学习几乎完全集中在深度强化学习上。深度强化学习中的“深”一词意味着在算法的核心方面使用神经网络。神经网络在学习过程中进行一些高维近似。话虽如此,该模型并不需要具有许多层和特征,这是一 阅读全文
posted @ 2020-07-19 00:17 人工智能遇见磐创 阅读(432) 评论(0) 推荐(0) 编辑
摘要:作者|ANIRUDDHA BHANDARI 编译|VK 来源|Analytics Vidhya 概述 Python风格教程将使你能够编写整洁漂亮的Python代码 在这个风格教程中学习不同的Python约定和Python编程的其他细微差别 介绍 你有没有遇到过一段写得很糟糕的Python代码?我知道 阅读全文
posted @ 2020-07-18 11:41 人工智能遇见磐创 阅读(1478) 评论(0) 推荐(0) 编辑
摘要:作者|ABHISHEK SHARMA 编译|VK 来源|Analytics Vidhya 概述 在数据科学和分析领域,偏度是一个重要的统计学概念 了解什么是偏度,以及为什么它对作为数据科学专业人士的你很重要 介绍 偏度的概念已融入我们的思维方式。当我们看到一个图像时,我们的大脑会直观地分辨出图表中的 阅读全文
posted @ 2020-07-17 12:08 人工智能遇见磐创 阅读(1506) 评论(0) 推荐(0) 编辑
摘要:作者|Renu Khandelwal 编译|VK 来源|Medium 我们从以下问题开始 循环神经网络能解决人工神经网络和卷积神经网络存在的问题。 在哪里可以使用RNN? RNN是什么以及它是如何工作的? 挑战RNN的消梯度失和梯度爆炸 LSTM和GRU如何解决这些挑战 假设我们正在写一条信息“Le 阅读全文
posted @ 2020-07-16 20:05 人工智能遇见磐创 阅读(781) 评论(0) 推荐(0) 编辑
摘要:作者|ABHISHEK SHARMA 编译|VK 来源|Analytics Vidhya 介绍 自然语言处理是数据科学领域最热门的课题之一。公司在这一领域投入大量资金进行研究。每个人都在努力了解自然语言处理及其应用,并以此为生。 你知道为什么吗? 因为仅仅在短短几年的时间里,自然语言处理已经发展成为 阅读全文
posted @ 2020-07-16 12:57 人工智能遇见磐创 阅读(2547) 评论(0) 推荐(0) 编辑
摘要:作者|Christian Hubbs 编译|VK 来源|Towards Data Science Ray不仅仅是一个用于多处理的库,Ray的真正力量来自于RLlib和Tune库,它们利用了强化学习的这种能力。它使你能够将训练扩展到大型分布式服务器,或者利用并行化特性来更有效地使用你自己的笔记本电脑进 阅读全文
posted @ 2020-07-15 23:30 人工智能遇见磐创 阅读(1786) 评论(0) 推荐(0) 编辑
摘要:该库代表Ultralytics对未来对象检测方法的开源研究,并结合了以前的YOLO库https://github.com/ultralytics/yolov3在自定义数据集上训练了数千个模型而得到的最佳实践。**所有代码和模型都在积极的开发中,如有修改或删除,恕不另行通知。**如果使用,风险自负。 阅读全文
posted @ 2020-07-15 18:36 人工智能遇见磐创 阅读(8598) 评论(0) 推荐(0) 编辑
摘要:学习Dataset类的来龙去脉,使用干净的代码结构,同时最大限度地减少在训练期间管理大量数据的麻烦。 神经网络训练在数据管理上可能很难做到“大规模”。 PyTorch 最近已经出现在我的圈子里,尽管对Keras和TensorFlow感到满意,但我还是不得不尝试一下。令人惊讶的是,我发现它非常令人耳目 阅读全文
posted @ 2020-07-14 12:04 人工智能遇见磐创 阅读(3089) 评论(0) 推荐(3) 编辑
摘要:作者|RAM DEWANI 编译|VK 来源|Analytics Vidhya 概述 Excel图表是展示你的分析技能的强大方式 这里有三个Excel图表,每个分析师都应该熟悉 介绍 我喜欢创造现成的视觉效果。大多数分析专业人士都能拿出条形图或折线图,但能让你的可视化技能更上一层楼的能力正是分析师们 阅读全文
posted @ 2020-07-12 13:27 人工智能遇见磐创 阅读(1194) 评论(0) 推荐(0) 编辑
摘要:机器学习使我们能够训练一个可以将数据转换为标签的模型,从而把相似的数据映射到相似或相同的标签。 例如,我们正在为电子邮件构建一个垃圾邮件过滤器。我们有很多电子邮件,其中一些标记为垃圾邮件,另一些标记为正常邮件(INBOX)。我们可以构建一个模型,该模型学习识别垃圾邮件。被标记为垃圾邮件的邮件在某种程 阅读全文
posted @ 2020-07-11 10:42 人工智能遇见磐创 阅读(867) 评论(0) 推荐(0) 编辑
摘要:作者|Daulet Nurmanbetov 编译|VK 来源|Towards Data Science 你有没有曾经需要把一份冗长的文件归纳成摘要?或者为一份文件提供一份摘要?如你所知,这个过程对我们人类来说是乏味而缓慢的——我们需要阅读整个文档,然后专注于重要的句子,最后,将句子重新写成一个连贯的 阅读全文
posted @ 2020-07-10 16:58 人工智能遇见磐创 阅读(3455) 评论(0) 推荐(0) 编辑
摘要:作者|PRATEEK JOSHI 编译|VK 来源|Analytics Vidhya 介绍 机器学习框架或库有时会更改该领域的格局。今天,Facebook开源了一个这样的框架,DETR(DEtection TRansformer) 在本文中,我们将快速了解目标检测的概念,然后直接研究DETR及其带来 阅读全文
posted @ 2020-07-10 11:22 人工智能遇见磐创 阅读(3348) 评论(0) 推荐(0) 编辑
摘要:作者|LAKSHAY ARORA 编译|VK 来源|Analytics Vidhya 概述 部署机器学习模型是每个ML项目的一个关键 学习如何使用Flask将机器学习模型部署到生产中 模型部署是数据科学家访谈中的一个核心话题 介绍 我记得我早期在机器学习领域的日子。我喜欢处理多个问题,对机器学习项目 阅读全文
posted @ 2020-07-09 16:58 人工智能遇见磐创 阅读(1757) 评论(0) 推荐(0) 编辑
摘要:作者|RAM DEWANI 编译|VK 来源|Analytics Vidhya 概述 仪表盘在业界无处不在。每个分析师都应该精通如何创建仪表板 Excel是创建强大仪表板的优秀工具,我们将在这里看到来自不同行业的5个示例 介绍 可视化胜过千言万语。 业务分析包括使用数据做出关键的战略级决策。问题是, 阅读全文
posted @ 2020-07-08 12:14 人工智能遇见磐创 阅读(2181) 评论(0) 推荐(0) 编辑
摘要:作者|Dorian Lazar 编译|VK 来源|Towards Data Science 感知器是人工神经网络的组成部分,它是大脑中生物神经元的简化模型。感知器是最简单的神经网络,仅由一个神经元组成。感知器算法由Frank Rosenblatt于1958年发明。 以下是生物神经元的图示: 经由树突 阅读全文
posted @ 2020-07-08 01:27 人工智能遇见磐创 阅读(874) 评论(0) 推荐(0) 编辑
摘要:作者|RAM DEWANI 编译|VK 来源|Analytics Vidhya 概述 高级的Excel图表是为我们的读者创建有效和有影响力的演讲的好方法 在这里学习3个高级Excel图表,以给你的经理留下深刻印象,并与你的利益相关者建立融洽关系 介绍 当我第一次开始我的分析之旅时,我完全专注于分析数 阅读全文
posted @ 2020-07-07 21:33 人工智能遇见磐创 阅读(1186) 评论(0) 推荐(0) 编辑
摘要:作者|Renu Khandelwal 编译|VK 来源|Towards Data Science 什么是神经机器翻译? 神经机器翻译是一种将一种语言翻译成另一种语言的技术。一个例子是把英语转换成印地语。让我们想想,如果你在一个印度村庄,那里的大多数人都不懂英语。你打算毫不费力地与村民沟通。在这种情况 阅读全文
posted @ 2020-07-06 17:41 人工智能遇见磐创 阅读(1151) 评论(0) 推荐(0) 编辑
摘要:作者|PRANAV DAR 编译|VK 来源|Analytics Vidhya 概述 动画可视化是一种艺术,它很容易在Tableau中创造出来 我们将在这里使用开源数据集,并在Tableau中创建自己的动画可视化 介绍 我是动画视觉化的超级粉丝。我喜欢数据点在我屏幕上跳舞的方式。他们用线条和点来讲述 阅读全文
posted @ 2020-07-06 17:34 人工智能遇见磐创 阅读(934) 评论(0) 推荐(0) 编辑
摘要:作者|ANIRUDDHA BHANDARI 编译|VK 来源|Analytics Vidhya AUC-ROC曲线 你已经建立了你的机器学习模型-那么接下来呢?你需要对它进行评估,并验证它有多好(或有多坏),这样你就可以决定是否实现它。这时就可以引入AUC-ROC曲线了。 这个名字可能有点夸张,但它 阅读全文
posted @ 2020-07-05 11:40 人工智能遇见磐创 阅读(1903) 评论(0) 推荐(0) 编辑
摘要:作者|PRATEEK JOSHI 编译|VK 来源|Analytics Vidhya 概述 在运动物体后面添加图像是一个典型的计算机视觉项目 了解如何使用传统的计算机视觉技术在视频中添加logo 介绍 我的一位同事向我提出了一个挑战——建立一个计算机视觉模型,可以在视频中插入任何图像,而不会扭曲移动 阅读全文
posted @ 2020-07-05 01:05 人工智能遇见磐创 阅读(623) 评论(0) 推荐(0) 编辑
摘要:作者|Davis Zhang 编译|VK 来源|Towards Data Science 本文旨在利用DAX分析Power-BI中的客户购买行为,并深入了解产品潜力。 几年前,Marco Russo和Alberto Ferrari发表了一篇名为“篮子分析”的博客 https://www.daxpat 阅读全文
posted @ 2020-07-05 00:57 人工智能遇见磐创 阅读(444) 评论(0) 推荐(0) 编辑
摘要:作者|Madhukara Putty 编译|VK 来源|gitconnected 你有没有想过Netflix是如何推荐你想看的电影的?或者亚马逊如何向你展示你觉得需要购买的产品? 很明显,那些网站已经知道你喜欢看什么或买什么了。他们有一段在后台运行的代码,可以在线收集用户行为数据,并预测单个用户对特 阅读全文
posted @ 2020-07-03 17:19 人工智能遇见磐创 阅读(409) 评论(0) 推荐(0) 编辑
摘要:作者|Renu Khandelwal 编译|VK 来源|Medium 什么是神经网络激活函数? 激活函数有助于决定我们是否需要激活神经元。如果我们需要发射一个神经元那么信号的强度是多少。 激活函数是神经元通过神经网络处理和传递信息的机制 为什么在神经网络中需要一个激活函数? 在神经网络中,z是输入节 阅读全文
posted @ 2020-07-03 17:17 人工智能遇见磐创 阅读(2578) 评论(0) 推荐(0) 编辑
摘要:作者|RAM DEWANI 编译|VK 来源|Analytics Vidhya 概述 你可以在Excel中执行建模,只需几个步骤 下面是一个教程,介绍如何在Excel中构建线性回归模型以及如何解释结果 介绍 Excel真的能构建预测模型? 这通常是我提起这个话题时的第一反应。当我演示如何利用Exce 阅读全文
posted @ 2020-07-03 12:42 人工智能遇见磐创 阅读(3859) 评论(0) 推荐(0) 编辑
摘要:作者|Mauro Di Pietro 编译|VK 来源|Towards Data Science 摘要 在本文中,我将使用NLP和Python解释如何为机器学习模型分析文本数据和提取特征。 自然语言处理(NLP)是人工智能的一个研究领域,它研究计算机与人类语言之间的相互作用,特别是如何对计算机进行编 阅读全文
posted @ 2020-07-02 15:50 人工智能遇见磐创 阅读(2386) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示