Публикации по теме 'ml-so-good'
Опорные векторные машины с нуля
Использование алгоритма персептрона
В этой статье вы узнаете, как с нуля реализовать простой алгоритм решения SVM.
тлдр; Опорные векторные машины
Цель состоит в том, чтобы найти самую широкую улицу, разделяющую классы. Улица определяется тремя линиями:
В этом примере у нас есть два класса ( синий = +1 и зеленый = -1 ). Линия красного цвета — это граница решения — классифицировать неизвестную точку u с помощью вышеуказанного SVM означает:
w^T u + b ≥ 0 THEN синий..
Некоторое знание индустрии инженеров машинного обучения
Привет! В настоящее время я нахожусь в перерывах между работой и хочу потратить некоторое время, чтобы подумать о некоторых интересных вещах, которые я обнаружил на работе.
# 1 — Мониторинг производительности вашей модели влечет за собой множество вещей!
Мы хотим контролировать модель с точки зрения правильности и производительности. С точки зрения производительности, возвращается ли модель в разумные сроки? Какие-то ошибки вылетают? С точки зрения корректности, является ли..
Создание надежного фонда науки о данных для начинающих
Прежде чем приступить к переходу на науку о данных, важно знать об этих ключевых факторах. Предварительное знание этих аспектов может значительно облегчить ваше путешествие и сделать его более плавным.
Прежде чем погрузиться в мир науки о данных, важно ознакомиться с некоторыми ключевыми аспектами. Процесс или жизненный цикл машинного обучения и глубокого обучения имеет тенденцию следовать аналогичной схеме в большинстве компаний. Сюда входят важные этапы, такие как разработка..
Ансамблевое обучение : бэггинг, бустинг и стек
« В одиночку мы можем сделать так мало; вместе мы можем так много сделать », — Хелен Келлер.
В машинном обучении компромисс между смещением и дисперсией является одной из ключевых проблем для каждого практикующего специалиста при работе с любым алгоритмом. Чтобы решить эту проблему, они могут воспользоваться некоторыми методами, основанными на обучении ансамблем . Он основан на теории «мудрости толпы» , которая предполагает, что коллективное мнение разнообразной независимой..
ИИ становится все лучше и лучше — в своей предвзятости.
Исторически сложилось так, что значения гендерно-кастового меньшинства систематически исключались даже из подсчета, что приводило к гендерно предвзятой или гендерно-невидимой предыдущей статистике.
Мир построен на идее, что числа не могут быть неверными; эти данные объективны и работают только в том случае, если они достаточно хороши, чтобы быть там. Более того, у систем нет собственного добродетельного ума. Вместо этого они придумывают объяснение в зависимости от предоставленной..
ILDAE: анализ оценочных данных на уровне экземпляра
Появиться в ACL 2022 .
ILDAE: анализ оценочных данных на уровне экземпляра Нирадж Варшни, Сваруп Мишра, Читта Барал. Материалы 60-го ежегодного собрания Ассоциации… aclanthology.org
Знание уровня сложности вопросов помогает учителю несколькими способами, например, быстро оценивать потенциал учащихся, задавая тщательно отобранные вопросы, и улучшать качество экзамена, изменяя тривиальные и сложные вопросы.
Экономическое обоснование использования машинного обучения (ML) для проверки озера данных
Используйте машинное обучение для улучшения качества данных в озере данных.
Без эффективной и всесторонней проверки озеро данных превращается в болото данных и не дает четкой связи между созданием ценности для бизнеса. Организации быстро внедряют Cloud Data Lake в качестве предпочтительного озера данных. Таким образом, необходимость проверки данных в режиме реального времени стала критической. Точные, непротиворечивые и надежные данные способствуют алгоритмам, рабочим процессам и..
