Публикации по теме 'machine-learning'
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..
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..
От пакетов к потокам: как ориентироваться в жизненном цикле продукта данных: подробное руководство (часть…
TLDR
В этой статье рассматривается жизненный цикл продукта данных, описываются этапы от концепции до вывода из эксплуатации, а также подчеркивается важность учета таких факторов, как размер компании, отрасль и уровень зрелости. Он охватывает выбор метода обработки и роль технологических затрат, скорости и обслуживания, а также тематические исследования с участием Uber на разных этапах. Статья завершается обсуждением ограничений, требующих внимания в четвертом поколении жизненного цикла..
Последовательные свертки на основе формы и внешнего вида для определения атрибутов лиц в реальном времени на мобильных устройствах
Аннотация
В компьютерном зрении классификация черт лица вызвала большой интерес исследователей и корпораций. Подходы на основе глубоких нейронных сетей теперь широко распространены для таких задач и достигли более высокой точности обнаружения, чем подходы, разработанные ранее вручную. В нашей статье рассказывается, как предварительная обработка и выравнивание изображения лица влияют на точность при обнаружении атрибутов лица. Что еще более важно, он демонстрирует, как комбинация..
Как получить максимальную точность для модели машинного обучения?
Получение максимальной точности для модели машинного обучения зависит от нескольких факторов, включая качество данных, выбор алгоритма, настройку гиперпараметров и процесс обучения.
Что такое машинное обучение?
Основная идея машинного обучения заключается в создании алгоритма или модели, которые могут распознавать шаблоны в данных и использовать эти шаблоны для прогнозирования или принятия решений в отношении новых данных . Алгоритмы машинного обучения могут быть контролируемыми,..
