Публикации по теме 'editors-pick'


Адаптация домена - ML для нескольких наборов данных
Записки из промышленности Адаптация домена Производительность машинного обучения зависит от набора данных, на котором оно обучается. Наборы данных несовершенны, поэтому проблемы с данными влияют на модели. Один из типов проблем - это сдвиг домена. Это означает, что модель, обученная изучению задачи на одном наборе данных, может быть не в состоянии выполнять ту же задачу на немного другом наборе данных. Допустим, вы обучаете модель обнаруживать собак на открытом воздухе, например в..
Погрузитесь в модуль очереди на Python - это больше, чем FIFO
Хороший кандидат на многопоточность Очередь - это очень практичная структура данных. Обычно его сравнивают с стеком , массивом , связанным списком и другими линейными структурами данных . Что отличает линейную структуру от другой, так это то, где происходят добавления и удаления. Структура данных очереди бывает трех типов: FIFO, LIFO и Priority Queue . Модуль очереди в Python реализует все эти типы. Кроме того, он чрезвычайно полезен в программировании потоков , что..
Ежедневный дайджест BP № 17  — «Аннотации типа Python 3.11, функции Node.js 18 и многое другое».
Добро пожаловать в 17-й выпуск Coffee Bytes, ежедневный дайджест Better Programming. В этом выпуске мы рассмотрим новые функции Python 3.11 и Node.js 18, руководство по преобразованию приложений Angular в собственные Android и iOS, практическое руководство по созданию чата на основе Web3 с использованием Ethereum и способ чтобы уведомить свой канал Slack о потоках журналов Cloudwatch с помощью AWS Lambda. 4 новых функции аннотаций типов в Python 3.11 Юн Цуй Посмотрите на Self —..
Mango: новый способ байесовской оптимизации в Python
Все, что вам нужно знать об этой библиотеке для масштабируемой настройки гиперпараметров моделей машинного обучения Оптимизация гиперпараметров модели (или настроек модели), пожалуй, самый важный шаг в обучении алгоритма машинного обучения, поскольку он приводит к поиску оптимальных параметров, которые минимизируют функцию потерь вашей модели. Этот шаг также важен для построения обобщающих моделей, не склонных к переоснащению. Наиболее известными методами оптимизации гиперпараметров..
Где все женщины?
Изучение предвзятости больших языковых моделей в исторических знаниях (Эта статья изначально была размещена в моем личном блоге ) Большие языковые модели (LLM), такие как ChatGPT, все чаще используются в образовательных и профессиональных учреждениях. Важно понять и изучить множество предубеждений, присутствующих в таких моделях, прежде чем интегрировать их в существующие приложения и нашу повседневную жизнь. Одно из предубеждений, которое я изучил в своей предыдущей статье ,..
Прогнозирование неопределенности с помощью линейных моделей, таких как глубокое обучение
Включите в интервалы прогнозирования как алеаторические, так и эпистемические неопределенности. Обычно приложения в индустрии машинного обучения не учитывают, как производить оценки неопределенности. Во многих реальных задачах требуется не только делать точные прогнозы. Предоставление оценки достоверности результатов модели может иметь решающее значение для принятия наиболее эффективных решений . За исключением некоторых методов глубокого обучения или других особых случаев, оценка..
Сквозная аналитика данных без кода в действии!
Наша двухнедельная подборка обязательных к прочтению сообществ для сообщества Работать с данными сложно. Первая проблема возникает, когда нам нужно его импортировать. Обычно нам приходится иметь дело с широким спектром форматов, типов, форм и спецификаций баз данных. После того, как мы, наконец, импортировали и предварительно обработали наши данные, мы можем захотеть смоделировать их для получения прогнозов. На этом этапе нам нужно пройти через море библиотек машинного обучения,..