Публикации по теме 'data'
Исследование функций: автоматическое обнаружение дрейфа данных с течением времени
Авторы: Рикардо Морейра , Марко О. П. Сампайо , Уго Феррейра
В эпоху больших данных финансовые учреждения полагаются на все более сложные системы потоковой передачи в реальном времени, которые обрабатывают тысячи событий в секунду. Каждое событие может содержать сотни или даже тысячи функций. В области финансовых преступлений эти функции используются машинным обучением (ML) и алгоритмами на основе правил, исходя из предположения, что будущие данные, проходящие через систему, будут..
Понимание распознавания лиц, часть 1 (компьютерное зрение)
Влияние гендерных стереотипов на распознавание выражения лица ( arXiv)
Автор: Ирис Домингес-Катена , Даниэль Патернэн , Микель Галар
Аннотация . Распознавание выражений лица (FER) использует изображения лиц для определения эмоционального состояния пользователей, обеспечивая более тесное взаимодействие между людьми и автономными системами. К сожалению, поскольку изображения естественным образом включают в себя некоторую демографическую информацию, такую как предполагаемый..
Хорошее исследование LSTM, часть 2 (машинное обучение)
Прогнозирование времени и расстояния поездок с использованием объяснимых LSTM на основе внимания (arXiv)
Автор: Эбрахим Балуджи , Йонас Сьёблом , Никольче Мурговски , Мортеза Хагир Черегани .
Аннотация: В этой статье мы предлагаем решения на основе машинного обучения для прогнозирования времени будущих поездок и возможного расстояния, которое проедет транспортное средство. Для этой задачи прогнозирования мы разрабатываем и исследуем четыре метода. В первом методе мы используем..
Статьи для чтения о клеточных автоматах
HyperNCA: растущие сети развития с нейронными клеточными автоматами ( arXiv )
Автор: Элиас Наджарро , Шьям Судхакаран , Клэр Глануа , Себастьян Ризи
Аннотация: В отличие от агентов глубокого обучения с подкреплением, биологические нейронные сети выращиваются посредством самоорганизующегося процесса развития. Здесь мы предлагаем новый гиперсетевой подход для выращивания искусственных нейронных сетей на основе нейронных клеточных автоматов (NCA). Вдохновленные..
7 шагов к созданию предприятия, управляемого данными, с расширенной аналитикой
На сегодняшних гиперконкурентных рынках компании выделяются своей способностью быстро, эффективно и правильно принимать решения во всех областях, чтобы соответствовать приоритетам и предпочтениям своих потребителей.
Как справиться с пропущенными значениями в машинном обучении
В реальных данных часто бывает много пропущенных значений. Если вы хотите, чтобы ваша модель работала беспристрастно и точно, вы просто не можете игнорировать часть «отсутствующих значений» в ваших данных. Одной из наиболее распространенных проблем, возникающих при очистке или предварительной обработке данных, является обработка пропущенных значений. Цель этой статьи — открыть методы эффективной обработки отсутствующих данных.
Давайте начнем,
Что такое недостающие данные?..
Подробный обзор ценообразования, выставления счетов и автоматического масштабирования Microsoft Fabric — Сэм Дебрюйн
То есть пока. Если вы активируете пробную мощность Microsoft Fabric , вам не будет выставлен счет за это. Это стимул протестировать Fabric, пока он находится в стадии предварительной версии. Когда он будет выпущен в общедоступную версию, по-прежнему будут доступны пробные варианты, аналогичные тому, как это существует сегодня с Power BI. Эта пробная версия позволяет вам опробовать все функции Fabric и получить хорошее представление о производительности, которую вы получите, и о том, как..
Новые материалы
Путь AWS — «Изучение машинного обучения — 10 начинающих ИИ и машинного обучения на AWS».
Универсальный ресурсный центр для изучения искусственного интеллекта и машинного обучения. НОЛЬ или ГЕРОЙ, начните свое путешествие здесь. Получите решения и пройдите обучение у экспертов AWS...
5 простых концепций Python, ставших сложными
#заранее извините
1) Переменные
x = 4
y = 5
Переменная в Python — это символическое представление объекта. После присвоения некоторого объекта переменной Python мы приобретаем..
«Освоение вероятности: изучение совместной, предельной, условной вероятности и теоремы Байеса —…
Виды вероятности:
Совместная вероятность Предельная вероятность Условная вероятность
Диаграмма Венна в вероятностях:
В “Set Theory” мы создаем диаграмму Венна...
Основы Spring: Bean-компоненты, контейнер и внедрение зависимостей
Как лего может помочь нашему пониманию
Когда мы начинаем использовать Spring, нам бросают много терминов, и может быть трудно понять, что они все означают.
Итак, мы разберем основы и будем..
Отслеживание состояния с течением времени с дифференцированием снимков
Время от времени что-то происходит и революционизирует часть моего рабочего процесса разработки. Что-то более забавное вместо типичного утомительного и утомительного процесса разработки. В..
Я предполагаю, что вы имеете в виду методы обработки категориальных данных.
Я предполагаю, что вы имеете в виду методы обработки категориальных данных. Пожалуйста, проверьте мой пост Инструментарий специалиста по данным для кодирования категориальных переменных в..
Игра в прятки с данными
Игра в прятки с данными
Я хотел бы, чтобы вы сделали мне одолжение и ответили на следующие вопросы. Гуглить можно в любое время, здесь никто не забивается.
Сколько регионов в Гане?
А как..