Новые публикации


ShrinkAware: улучшенная политика заказа продуктов
В США 38% всей еды остается непроданной или несъеденной. Для бакалейщиков пищевые отходы означают потерю потенциальных продаж, более низкую норму прибыли и менее эффективные команды магазинов. В Afresh мы сокращаем пищевые отходы, помогая партнерам по продуктовым магазинам принимать более разумные решения по управлению запасами. Большинство продуктовых магазинов в США используют аналогичную модель для заказа свежих продуктов. В каждом магазине есть менеджер по производству, который..

Перцептроны в искусственном интеллекте и машинном обучении
Бинарные классификаторы В машинном обучении бинарный классификатор — это тип алгоритма или модели, предназначенный для классификации данных по двум различным классам или категориям. Он специально используется для задач бинарной классификации, где цель состоит в том, чтобы присвоить каждый входной экземпляр одному из двух классов. Эти два класса часто называют положительным классом и отрицательным классом или классом 1 и классом 0, в зависимости от контекста. Классификатор принимает..

Принципы SOLID с примерами из жизни
Концепции программирования легко понять, если объяснять их не как код, а как отражение реального мира и того, как мы принимаем решения. Моя попытка здесь такая же. Давайте перейдем прямо к этому, но сначала предпосылка. SOLID. Принцип SOLID — краеугольный камень хорошего кода. Так что же такое SOLID? SOLID — это аббревиатура для другого набора принципов, которые следует учитывать при программировании. S означает принцип единой ответственности O означает принцип Open Closed Principle..

Обучение с подкреплением с OpenAI
Сегодня я вырвал немного времени из своего дня, чтобы просмотреть gym.OpenAI.com/docs. Ранее в этом году я сделал попытку обучения с подкреплением, купив книгу Ричарда Саттона на Amazon. Первые две главы меня зацепили, и я решил упражнения для первой. Переходить со второй на третью было сложно, потому что я пропустил упражнения из второй главы, и тогда у меня не было проблем с размышлениями, когда я не читал. Было не так весело решать наборы задач в свободное время. Это привело к..

5 вещей, которые вам нужно сделать, чтобы преуспеть в вашем первом проекте Data Science (пссс... речь не о кодировании)
Итак, вы изучили Python, выполнили несколько фиктивных проектов, чтобы повысить свою уверенность, и теперь готовы взяться за реальные проекты. Многим начинающим аналитикам данных и специалистам по данным трудно столкнуться с реальным проектом данных. Проекты в реальном времени — это не что иное, как контролируемые наборы данных, доступные в Интернете. Реальные проекты сопряжены с реальными проблемами, связанными с данными. Эти проблемы могут быть очень специфическими в зависимости от..