09 2020 档案
摘要：作者|Lazar Gugleta 编译|Flin 来源|towardsdatascience 计算机视觉和计算机图形学现在非常流行，因为它们与人工智能有着广泛的联系，它们的主要共同点是使用同一个OpenCV库，以便像人类一样对数字图像或视频（CV）或生成图像（CG）有高层次理解。 这就是为什么今天我
阅读全文
摘要：作者|LAKSHAY ARORA 编译|Flin 来源|analyticsvidhya 总览 Web抓取是一种从网站提取数据的高效方法（取决于网站的规定） 了解如何使用流行的BeautifulSoup库在Python中执行网页抓取 我们将介绍可以抓取的不同类型的数据，例如文本和图像 介绍 我们拥有的
阅读全文
摘要：作者|PURVA HUILGOL 编译|Flin 来源|analyticsvidhya 开始你的深度学习生涯？ 对于新手来说，深度学习是一个复杂而令人生畏的领域。像隐藏层、卷积神经网络、反向传播等概念在你试图掌握深入学习的主题时不断出现。 这并不容易——尤其是如果你走的是非结构化的学习道路，而且没有
阅读全文
摘要：作者|Md. Mubasir 编译|VK 来源|Towards Data Science 在1957年以前，地球上只有一颗天然卫星：月球。1957年10月4日，苏联发射了世界上第一颗人造卫星。从那时起，来自40多个国家大约有8900颗卫星发射升空。 这些卫星帮助我们进行监视、通信、导航等等。这些国家
阅读全文
摘要：作者|Bruce H. Cottman, Ph.D. 编译|VK 来源|Towards Data Science 产品生命周期 在过去两年半的工作中，我们开发和维护了几个自然语言处理项目。我们为每个项目中的每个版本控制中心创建了Docker镜像：Dev、Test和Stage。我将详细介绍Docker
阅读全文
摘要：作者|Mate Pocs 编译|VK 来源|Towards Data Science Word2vec绝对是我在自然语言处理研究中遇到的最有趣的概念。想象一下，有一种算法可以成功地模拟理解单词的含义及其在语言中的功能，它可以在不同的主题内来衡量单词之间的接近程度。 我认为可视化地表示word2vec
阅读全文
摘要：作者|Soner Yıldırım 编译|VK 来源|Towards Data Science 机器学习和深度学习模型需要大量的数据。它们的性能在很大程度上取决于数据量。因此，我们倾向于收集尽可能多的数据，以建立一个稳健和准确的模型。数据以多种不同的格式收集，从数字到图像，从文本到声波。然而，我们需
阅读全文
摘要：作者|Nicholas Ballard 编译|VK 来源|Towards Data Science 可以说，每一个“使用计算机的人”都需要在某个时间点调整图像的大小。MacOS的预览版可以做到，WindowsPowerToys也可以。 本文使用Python来调整图像大小，幸运的是，图像处理和命令行工
阅读全文
摘要：作者|Nagesh Singh Chauhan 编译|Flin 来源|towardsdatascience 越来越多的应用程序与年龄和性别的自动分类相关，特别是自从社交平台和社交媒体兴起以来。尽管如此，现有的方法在真实图像上的性能仍然明显不足，特别是与最近报道的与人脸识别相关的任务在性能上的巨大飞跃
阅读全文
摘要：作者|Jaime Duránx 编译|Flin 来源|medium 目前我正在研究一个涉及面部分类的计算机视觉问题。这通常意味着应用深度学习，因此在将图像注入到我们的神经网络之前需要一个特殊的预处理阶段。 为了提高我们的模型精度，这是一项非常重要的任务，通过以下几个简单的步骤可以很容易地完成。对于本
阅读全文
摘要：作者|SUNIL RAY 编译|Flin 来源|analyticsvidhya 介绍 如果你要问我机器学习中2种最直观的算法——那就是k最近邻（kNN）和基于树的算法。两者都易于理解，易于解释，并且很容易向人们展示。有趣的是，上个月我们对这两种算法进行了技能测试。 如果你不熟悉机器学习，请确保在了解
阅读全文
摘要：作者|ANKIT GUPTA 编译|Flin 来源|analyticsvidhya 介绍 机器学习是近来最受欢迎的技能之一。我们组织了各种技能测试，以便数据科学家可以检查自己的这些关键技能。这些测试包括机器学习，深度学习，时间序列问题和概率。本文将为机器学习技能测试提供解决方案。如果你错过了上述任何
阅读全文
摘要：作者|Jerin Paul 编译|Flin 来源|towardsdatascience 这是一个繁忙的市场场景；七月的烈日在头顶上照耀。炎热的天气并没有阻止顾客的到来。在人群不知情的情况下，一个怀有恶意的人藏在他们中间。他披着一层正常的外衣，走着去实现他的邪恶目的。 在一个角落里，一个监控摄像头会定
阅读全文
摘要：作者|LAKSHAY ARORA 编译|Flin 来源|analyticsvidhya 介绍 你上一次学习新的Python技巧是什么时候？作为数据科学家，我们习惯于使用熟悉的库并每次都调用相同的函数。现在该打破旧的惯例了！ Python不仅限于Pandas，NumPy和scikit-learn（尽管
阅读全文
摘要：作者|SAURABH JAJU 编译|Flin 来源|analyticsvidhya 介绍 时间序列预测与建模在数据分析中起着重要的作用。时间序列分析是统计学的一个分支，广泛应用于计量经济学和运筹学等领域。这篇技能测试文章是为了测试你对时间序列概念的了解程度。 共有1094人报名参加了这次技能测试。
阅读全文
摘要：作者|Towards AI Team 编译|Flin 来源|medium 此资源不断更新。如果你知道任何其他合适且开放的数据集，请通过电子邮件通知我们：pub@towardsai.net 或者在下面发表评论。 数据集查找器 Google Dataset Search：与Google Scholar的
阅读全文
摘要：作者|Jacob Solawetz, Joseph Nelson 编译|Flin 来源|blog YOLO系列的目标检测模型随着YOLOv5的引入变得越来越强大。在这篇文章中，我们将介绍如何训练YOLOv5为你的定制用例识别定制对象。 非常感谢Ultralytics将此存储库组合在一起。我们相信，与
阅读全文
摘要：作者|Nidhi punj 编译|Flin 来源|medium 第1步：获取大量汽车图片 第2步：把它们都变成黑白图片 灰度图像使算法更快。颜色增加了模型的复杂性，或者我们可以说灰色图像是用来简化数学的。例如，我们可以谈论亮度、对比度、边缘、形状、轮廓、纹理、透视、阴影等，而不必讨论颜色。 第3步：
阅读全文
摘要：spaCy教程学习 作者|PRATEEK JOSHI 编译|VK 来源|Analytics Vidhya 介绍 spaCy是我的自然语言处理（NLP）任务的必备库。我冒昧地说，大多数专家都是这样！ 如今，在众多的NLP库中，spaCy确实独树一帜。如果你在NLP上用过spaCy，你就会知道我在说什么
阅读全文
摘要：作者|Robin White 编译|Flin 来源|towardsdatascience 我最喜欢的YouTuber之一，CodeBullet，曾经尝试创建一个乒乓球 AI来统治所有人。可悲的是，他遇到了麻烦，不是因为他没有能力，而是我认为他当时的经验对计算机视觉没有太大影响。他绝对是个好笑的人，如
阅读全文
摘要：在Jupyter notebook中为图像添加标签，预测新图像并可视化神经网络（并使用Docker Hub共享它们！） 作者|Jenny Huang 编译|Flin 来源|towardsdatascience 作者：Jenny Huang, Ian Hunt-Isaak, William Palme
阅读全文
摘要：作者|GUEST BLOG 编译|Flin 来源|analyticsvidhya 总览 熟悉类失衡 了解处理不平衡类的各种技术，例如- 随机欠采样 随机过采样 NearMiss 你可以检查代码的执行在我的GitHub库在这里 介绍 当一个类的观察值高于其他类的观察值时，则存在类失衡。 示例：检测信用
阅读全文
摘要：作者|OngKoonHan 编译|Flin 来源|towardsdatascience 在我大学的Android开发课程的组项目部分中，我们的团队构建并部署了一个认证系统，通过说话人的语音配置文件进行认证。 在我上一篇文章（请参阅下一部分）描述了语音认证系统的高级体系结构之后，本文将深入探讨所使用的
阅读全文
摘要：作者|PURVA HUILGOL 编译|VK 来源|Analytics Vidhya 机器理解文本的挑战 “语言是一种极好的交流媒介” 你和我很快就会明白那句话。但机器根本无法处理原始形式的文本数据。他们需要我们将文本分解成一种易于机器阅读的数字格式（自然语言处理背后的理念！）。 这就引入“词袋”（
阅读全文
摘要：作者|LAKSHAY ARORA 编译|VK 来源|Analytics Vidhya 概述 流数据是机器学习领域的一个新兴概念 学习如何使用机器学习模型（如logistic回归）使用PySpark对流数据进行预测 我们将介绍流数据和Spark流的基础知识，然后深入到实现部分 介绍 想象一下，每秒有超
阅读全文
摘要：作者|Conor O'Sullivan 编译|VK 来源|Towards Data Science 主成分分析（PCA）是一个很好的工具，可以用来降低特征空间的维数。PCA的显著优点是它能产生不相关的特征，并能提高模型的性能。 它可以帮助你深入了解数据的分类能力。在本文中，我将带你了解如何使用PCA
阅读全文
摘要：作者|Félix Revert 编译|VK 来源|Towards Data Science 介绍 我翻阅了CatBoost的文档之后，我被这个强大的框架震惊了。CatBoost不仅在你提供给它的任何数据集上构建了一个最精确的模型，其中只需要最少的数据准备。它还提供了迄今为止最好的开源解释工具，以及快
阅读全文
摘要：作者|ARAVIND PAI 编译|VK 来源|Analytics Vidhya 概述 理解预训练词嵌入的重要性 了解两种流行的预训练词嵌入类型：Word2Vec和GloVe 预训练词嵌入与从头学习嵌入的性能比较 介绍 我们如何让机器理解文本数据？我们知道机器非常擅长处理和处理数字数据，但如果我们向
阅读全文
摘要：作者|Quentin Bacuet 编译|VK 来源|Medium 随着信息过载的增加，我们不可能通过观看海量的内容来获取我们想要的项目。推荐系统可以来拯救我们。推荐系统是一种模型，通过向用户展示他们可能感兴趣的内容，帮助他们探索音乐和新闻等新内容。 在Snipfeed，我们每天处理成千上万的内容，
阅读全文
摘要：作者|Alvira Swalin 编译|VK 来源|Medium 本系列的第二部分主要讨论分类度量 在第一篇中，我们讨论了回归中使用的一些重要指标、它们的优缺点以及用例。这一部分将集中讨论分类中常用的度量，以及在具体的背景中应该选择哪种。 定义 在讨论每种方法的优缺点之前，我们先了解一下分类问题中使
阅读全文
摘要：作者|Dimas Adnan 编译|VK 来源|Towards Data Science 在本文中，我想写一篇关于如何使用Python和Jupyter Notebook构建预测模型的文章。我在这个实验中使用的数据是来自Kaggle的酒店预订需求数据集：https://www.kaggle.com/j
阅读全文
摘要：作者|Sadrach Pierre, Ph.D. 编译|VK 来源|Towards Data Science 对于数据科学家来说，处理丢失的数据是数据清理和模型开发过程中的一个重要部分。通常情况下，真实数据包含多个稀疏字段或包含错误值的字段。在这篇文章中，我们将讨论如何建立可以用来填补数据中缺失或错
阅读全文
摘要：作者|Yogeeshwari S 编译|VK 来源|Towards Data Science 我很高兴与大家分享我的机器学习和深度学习经验，同时我们将在一个Kaggle竞赛得到解决方案。学习过程的分析也是非常直观，具有娱乐性和挑战性。希望这个博客最终能给读者一些有用的学习帮助。 目录 业务问题 误差
阅读全文
摘要：作者|Rashida Nasrin Sucky 编译|VK 来源|Towards Data Science KNN分类器是一种非常流行的监督机器学习技术。本文将用一个例子来解释KNN分类器 什么是监督学习？ 以下是百度百科： 监督学习是指：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的
阅读全文
摘要：作者|Emmanuella Anggi 编译|VK 来源|Towards Data Science 在这篇文章中，我将详细介绍如何使用fastText和GloVe作单词嵌入到LSTM模型上进行文本分类。 我在写关于自然语言生成的论文时对词嵌入产生了兴趣。词嵌入提高了模型的性能。在本文中，我想看看每种
阅读全文
摘要：作者|Nouman 编译|VK 来源|Towards Data Science 在这篇文章中，我将教你建立你自己的网页应用程序，它将接受你的狗的图片，并输出其品种。准确率超过80%！ 我们将使用深度学习来训练一个模型的数据集的狗图像与他们的品种，以学习的特征来区分每一个品种。 数据分析 数据集可以从
阅读全文
摘要：作者|Masatoshi Nishimura 编译|VK 来源|Towards Data Science 如果你想知道2020年文档相似性任务的最佳算法，你来对了地方。 在33914篇《纽约时报》文章中，我测试了5种常见的文档相似性算法。从传统的统计方法到现代的深度学习方法。 每个实现少于50行代码
阅读全文
摘要：作者|Victor Sim 编译|VK 来源|Towards Data Science 现在假新闻太多了，很难找到准确无误的消息来源。本文旨在利用朴素贝叶斯分类器对真假新闻进行分类。 什么是NaiveBayes分类器 朴素贝叶斯分类器是一种利用贝叶斯定理对数据进行分类的确定性算法。让我们看一个例子：
阅读全文
摘要：作者|Andre Ye 编译|VK 来源|Towards Data Science 回调函数是神经网络训练的重要组成部分 回调操作可以在训练的各个阶段执行，可能是在epoch之间，在处理一个batch之后，甚至在满足某个条件的情况下。回调可以利用许多创造性的方法来改进训练和性能，节省计算资源，并提供
阅读全文
摘要：作者|Soner Yıldırım 编译|VK 来源|Towards Data Science 探索性数据分析（EDA）是数据科学或机器学习管道的重要组成部分。为了使用数据创建一个健壮且有价值的产品，你需要研究数据，理解变量之间的关系，以及数据的底层结构。数据可视化是EDA中最有效的工具之一。 在这
阅读全文
摘要：作者|Doug Steen 编译|VK 来源|Towards Data Science 当涉及到机器学习分类任务时，用于训练算法的数据越多越好。在监督学习中，这些数据必须根据目标类进行标记，否则，这些算法将无法学习独立变量和目标变量之间的关系。但是，在构建用于分类的大型标记数据集时，会出现两个问题：
阅读全文
摘要：作者|Dardan Xhymshiti 编译|VK 来源|Towards Data Science 1.sys模块 Python中的sys模块具有argv功能。当通过终端触发main.py的执行时，此功能返回所有命令行参数的列表。返回列表中的第一个元素是main.py. 考虑下面的main.py示例
阅读全文
摘要：作者|Juan Cruz Martinez 编译|Flin 来源|towardsdatascience 今天，我们将学习如何检测图像中的人脸并提取面部特征，如眼睛、鼻子、嘴巴等。我们可以将这些信息作为一个预处理步骤来完成，例如捕捉照片中人物的人脸（手动或通过机器学习），创建效果来“增强”我们的图像（
阅读全文
摘要：作者|Andre Ye 编译|VK 来源|Analytics Indiamag 主成分分析是一种强大的方法，但它往往失败，因为它假设数据可以线性建模。PCA将新的特征表示为现有特征的线性组合，将每个特征乘以一个系数。 为了解决主成分分析的局限性，人们通过对具有不同结构的数据进行应用而产生了各种各样的
阅读全文
摘要：作者|Will Koehrsen 编译|Flin 来源|towardsdatascience 构建一个很棒的机器学习项目是一回事，但归根结底，你希望其他人能够看到你的辛勤工作。当然，你可以将整个项目放在GitHub上，但是怎么让你的祖父母也看到呢？我们想要的是将深度学习模型部署为世界上任何人都可以访
阅读全文
摘要：作者|Vivek Patel 编译|Flin 来源|towardsdatascience 除非你能学习到一些东西，否则不要重复造轮子。 强大的库已经存在了，如：TensorFlow，PyTorch，Keras等等。我将介绍在Python中创建多层感知器（MLP）神经网络的基本知识。 感知器是神经网络
阅读全文
摘要：作者|Thiago Carvalho 编译|Flin 来源|towardsdatascience 不久前，我为一个大学项目训练了一个目标检测模型，但说实话，除了它需要很多红牛和长时间的观察我的训练模型，我不记得太多了。 最近我对这些话题重拾了一些兴趣，我决定重新开始，重新学习，但这一次我会做笔记并分
阅读全文
摘要：作者|Sachin Khode 编译|Flin 来源|medium 在过去的几年里，深度学习已经成为人工智能领域发展最快的领域之一。它已经取得了显著的成果，特别是在计算机视觉领域。 例如，自动驾驶汽车，使计算机用接近人类的能力来识别物体。OpenCV的评价非常高，因为它包含了最先进的计算机视觉和机器
阅读全文
摘要：作者|Lorenzo Ampil 编译|VK 来源|Towards Data Science 自从我开始学习投资，我接触了不同的股票分析方法-技术分析和基本面分析。我甚至读过很多关于这些技巧的书和文章。 简言之，技术分析认为，你可以根据股票的历史价格和成交量的变动来确定买卖股票的正确时间。另一方面，
阅读全文
摘要：作者|Sakshi Butala 编译|VK 来源|Towards Data Science 在本文中，我将向你展示如何使用卷积神经网络（CNNs）构建字母识别系统，并使用anvil.works部署。在本文的最后，你将能够创建上面所示系统。 目录 卷积神经网络 CNN实施 Anvil集成 卷积神经网
阅读全文
摘要：作者|Satyam Kumar 编译|VK 来源|Towards Data Science Q-Q图是检验任何随机变量（如正态分布、指数分布、对数正态分布等）分布的图形方法，是观察任何分布性质的一种统计方法。 例如，如果给定的一个分布需要验证它是否是正态分布，我们运行统计分析并将未知分布与已知正态分
阅读全文
摘要：作者|Vysakh Nair 编译|VK 来源|Towards Data Science 目录 了解问题 要求技能 数据 获取结构化数据 准备文本数据-自然语言处理 获取图像特征-迁移学习 输入管道-数据生成器 编-解码器模型-训练，贪婪搜索，束搜索，BLEU 注意机制-训练，贪婪搜索，束搜索，BL
阅读全文
摘要：作者|Muktha Sai Ajay 编译|VK 来源|Towards Data Science 介绍 作为人类，我们有能力将在一项任务中获得的知识迁移到另一项任务中去，任务越简单，利用知识就越容易。一些简单的例子是： 了解数学和统计学→学习机器学习 学会骑自行车→学骑摩托车 到目前为止，大多数机器
阅读全文
摘要：作者|Ali Aryan 编译|VK 来源|Towards Data Science 随着机器学习的兴起，我们看到了许多伟大的框架和库的兴起，比如scikit learn、Tensorflow、Pytorch。这些框架使得用户更容易创建机器学习模型。但仍然需要遵循包括数据准备、建模、评估在内的整个过
阅读全文
摘要：作者|Roshini Johri 编译|VK 来源|Towards Data Science 将大规模的机器学习系统投入生产，建立一个漂亮的流线化功能库，这已经成为我一个新痴迷的技术点。 我最近开始了一系列关于学习和教学如何做到这一点的三部分教程，以实现不同的机器学习工作流程。本文假设了机器学习模型
阅读全文
摘要：作者|Ankit Goel 编译|VK 来源|Towards Data Science Pandas是一个强大的开源数据分析和操作库。它可以帮助你对数据进行各种操作，并生成有关它的不同报告。我将把这篇文章分成两篇 基本知识-我将在这个故事中介绍。我将介绍Pandas的基本功能，这些功能将使你大致了解
阅读全文
摘要：作者|Aaron Richter 编译|VK 来源|Towards Data Science 随机森林是一种机器学习算法，以其鲁棒性、准确性和可扩展性而受到许多数据科学家的信赖。 该算法通过bootstrap聚合训练出多棵决策树，然后通过集成对输出进行预测。由于其集成特征的特点，随机森林是一种可以在
阅读全文
