Публикации по теме 'data-science'


Подкасты по машинному обучению: лучшие шоу для углубления вашего понимания
В последние годы популярность подкастов как бесценного средства обучения и обновления в различных областях, включая постоянно развивающуюся область машинного обучения, резко возросла. Этот рост можно объяснить несколькими факторами, включая рост потребления аудиоконтента, увеличение числа специализированных каналов подкастов и удобство доступа к информации по запросу. Поскольку технологии искусственного интеллекта (ИИ) и машинного обучения (МО) продолжают формировать отрасли и влиять на..
Введение в машинное обучение
Машинное обучение — это область исследования и применения, которая включает разработку алгоритмов и моделей, которые позволяют компьютерам учиться и делать прогнозы или решения без явного программирования. Это подмножество искусственного интеллекта (ИИ), основанное на идее о том, что машины могут учиться на данных и со временем улучшать свою производительность. Теория машинного обучения: Обучение с учителем. При этом подходе машина учится на помеченных данных, где каждый входной..
Инжиниринг данных с Python: чтение и запись файлов
Одной из самых основных задач в области обработки данных является перемещение данных из текстового файла в базу данных. В этой статье мы будем читать и записывать данные из нескольких различных текстовых форматов, таких как CSV и JSON. мы рассмотрим следующие основные темы: Чтение и запись файлов в Python Обработка файлов в Airflow Процессоры NiFi для обработки файлов Чтение и запись данных в базы данных в Python Базы данных в Airflow Процессоры баз данных в NiFi Запись и..
Класс данных Python против класса
Если вы работаете на python, возможно, вы создали класс, в котором вам нужно писать методы dunder/magic, такие как __init__, __repr__ и __eq__ и т. д. Знаете ли вы, что класс данных может сделать вашу жизнь проще!!! давайте посмотрим на примере: здесь мы создаем класс InventoryItem и определяем его __init__, __repr__, __eq__ другие методы dunder/magic.
Нужно ли нам масштабирование признаков перед линейным дискриминантным анализом (LDA)?
LDA для уменьшения размерности с масштабированием признаков и без него Линейный дискриминантный анализ (далее ЛДА) может быть использован для уменьшения линейной размерности. В большинстве случаев необходимо выполнить масштабирование функций перед анализом основных компонентов — PCA, что является еще одним…
Базовое понимание основ науки о данных
«Ученый по обработке данных — это тот, кто разбирается в статистике лучше любого инженера-программиста и лучше любого специалиста в области статистики». «АНАЛИТИК ДАННЫХ» смотрит на «прошлые данные» и «что происходит, когда происходит». DA ПРЕДОСТАВЛЯЕТ «СВОДКУ» ДАННЫХ. «УЧЕНЫЕ ПО ДАННЫМ» ПРЕДОСТАВЛЯЮТ «ПРОГНОЗЫ» В ОТНОШЕНИИ «ДАННЫХ» И СОЗДАЮТ ЛУЧШУЮ МОДЕЛЬ ДЛЯ ДАННЫХ. Проблемы в ML: - Десять важных моментов, которые нужно знать при выполнении машинного обучения: - 1 DATA..
Станьте Data Scientist за 5 простых шагов
На этой неделе станьте специалистом по данным, выполнив 5 простых шагов. Добро пожаловать в The Digital Eye , ваш еженедельный обзор последних новостей в области технологий. Наша команда экспертов прочесала Интернет в поисках самых интересных и информативных статей, чтобы вы могли быть в курсе всего, что связано с цифровыми технологиями, данными, блокчейном, искусственным интеллектом и аналитикой. Лучшее чтение на этой неделе: Концепции, которые вы должны знать для интервью..