Tegishli nashrlar 'data-science'


5 daqiqa AI axborotnomasi №3
👨🏽 💻 Oxirgi tadqiqotning diqqatga sazovor joylari 👉🏻 « Yo‘q, Google sun’iy intellekt sezgir emas ” Texnologik kompaniyalar o'zlarining doimiy ravishda takomillashib borayotgan sun'iy intellekt imkoniyatlari haqida doimiy ravishda hayratda qolishadi. Ammo Google dasturlaridan biri shu qadar rivojlanganki, u sezgir bo'lib qolgani haqidagi da'volarni tezda o'chirib qo'ydi. Shanba kuni Vashington Post gazetasida chop etilgan "ko'zni ochuvchi ertak" ga ko'ra, Google muhandislaridan biri..
MLOps nima va manfaatdor tomonlar kimlar?
Keling, MLOps haqida gapiraylik. Ammo buning uchun biz nima ekanligini bilishimiz kerak. MLOps "Mashinani o'rganish operatsiyalari" degan ma'noni anglatadi. Ba'zi ekspertlarning ta'kidlashicha, bu ModelOpsning kichik to'plami. ModelOps - bu mashinani o'rganish (ML) hayot tsikllarini ishlab chiqarishni boshqarishga yordam berish uchun ma'lumotlar olimlari va operatsiyalar bo'yicha mutaxassislar o'rtasidagi hamkorlik va aloqa amaliyotidir. Ammo keling, juda texnikaga murojaat qilmaylik...
Mashinani o'rganishni oxiridan oxirigacha: yangi boshlanuvchilar uchun qo'llanma
Ushbu maqola mashinani o'rganish va ML modellarini yaratishning oxirigacha hayot aylanishining chuqur tahlilini beradi. Mashinani o'rganish modellari nimaga qodirligini hammamiz bilamiz va ba'zi mashhurlari aktsiyalarni bashorat qilish, elektron pochta spamlarini filtrlash va birja savdosi kabi bir nechtasini nomlash mumkin... Bunday muammoli bayonotlar ustida ishlashni boshlash uchun hayot aylanishi kerak Ma'lumotlardan tortib to joylashtirishgacha bo'lgan mashinani o'rganish modelini..
Sahna matnini aniqlash ilovalari 3-qism (sun'iy intellekt)
O'zgartirilgan avtoregressiv ketma-ketlik modellari bilan sahna matnini aniqlash (arXiv) Muallif: Darvin Bautista , Rovel Atienza Axborot : Kontekstdan xabardor STR usullari odatda ichki avtoregressiv (AR) til modellaridan (LM) foydalanadi. AR modellarining o'ziga xos cheklovlari tashqi LMni qo'llaydigan ikki bosqichli usullarni qo'zg'atdi. Kirish tasviridagi tashqi LMning shartli mustaqilligi uning to'g'ri bashoratlarni noto'g'ri tuzatishga olib kelishi mumkin, bu esa..
Yaxshi eski gradientni kuchaytirish
"Gradient kuchaytirgichlar" Yaxshi eski gradientni kuchaytirish Gradientni kuchaytirish uchun matematikadan og'ir primer 2001 yilda Jerom X. Fridman muhim maqola yozdi — Greedy function approximation: A gradient boosting machine. U Wolpertning jadval dunyosida "Bepul tushlik yo'q" teoremasiga tahdid soladigan usullar sinfiga aylanishini bilmas edi. Gradient Boosting va uning qarindoshlari (XGBoost va LightGBM) jadval ma'lumotlari sohasida tasniflash va regressiya muammolari bilan bir..
Kvadrat cheklanmagan ikkilik optimallashtirish qanday ishlaydi 3-qism
Kvadrat cheklanmagan ikkilik optimallashtirish uchun o'zgaruvchilarni kamaytirish (arXiv) Muallif: "Amit Verma", "Mark Lyuis" Xulosa: Kvadrat cheklanmagan ikkilik optimallashtirish modellari turli xil optimallashtirish muammolarini hal qilish uchun foydalidir. Maqsadga kvadratik jazo shartlarini kiritish orqali cheklovlar qo'shilishi mumkin, ko'pincha tengsizliklarni konvertatsiya qilish uchun zarur bo'lgan bo'sh o'zgaruvchilar kiritilishi mumkin. Ushbu transformatsiya muammoning..
Mashinani o'rganishda A/B testini qanday o'tkazish kerak?
Mahsulotga asoslangan, elektron tijorat yoki media kompaniyasida ishlayotganingizda, jalb qilingan raqamlardan qoniqmasligingiz mumkin. Agar siz narxni oshirsangiz yoki foydalanuvchi interfeysini o'zgartirsangiz, mijozlar qanday javob berishini baholashni xohlashingiz mumkin. Ko'p odamlar ko'pincha o'z mijozlarini bilishlariga ishonishadi, lekin hamma narsa ular kutgandek bo'lmaydi. A/B testi - bu korxonalar qaysi biri eng yaxshi natija berishini ko'rish uchun bir vaqtning o'zida bir..