Публикации по теме 'machine-learning'
Стоит ли смотреть этот фильм?
Эта статья представляет собой практическое введение в основы классификации текста с использованием линейных классификаторов и созданных вручную функций.
Это модели, которые мы будем запускать
Модель мешка слов TF-IDF N-граммы
Обработка текста
Проблема с моделированием текста состоит в том, что он беспорядочный, а алгоритмы машинного обучения предпочитают четко определенные входные и выходные данные фиксированной длины. Алгоритмы машинного обучения не могут работать напрямую с..
Понимание данных временных рядов
Краткое введение в данные временных рядов.
Данные временных рядов — это тип данных, которые собираются и записываются в течение определенного периода времени. Эти данные можно собирать с регулярными интервалами, например, каждую минуту, час, день или даже год. Данные временных рядов обычно используются в самых разных областях, включая финансы, экономику, инженерию и другие.
В этой статье мы более подробно рассмотрим данные временных рядов, включая примеры распространенных наборов..
MLOps против DevOps против ModelOps
Это век автоматизации, и не только в производстве. В настоящее время системы всех видов автоматизируются, чтобы уменьшить человеческий фактор и повысить эффективность. Такие системы, как DevOps, ModelOps и MLOps, управляются данными. Так в чем же между ними разница?
Прежде чем сравнивать MLOps, DevOps и ModelOps, важно сначала понять, что такое MLOps, DevOps и ModelOps, как они работают и какие преимущества они предоставляют.
В этой статье мы рассмотрим их жизненные циклы,..
«Пробел в данных» ИИ
Читайте по моим губам: 17 428–51=ОМГ!
ЧТОБЫ ПОЛУЧИТЬ ощущение огромной разницы в способностях искусственного интеллекта среди лучших и остальных, подумайте вот о чем: набор данных из программы Google DeepMind и Оксфордского университета для обучения их системе чтения по губам содержал 17 428 уникальных слов — в то время как конкурент Оксфордский проект под названием LipNet насчитывал всего 51.
Эти две инициативы выпустили документы с разницей всего в неделю в ноябре 2016 года. Но..
Преобразование будущего: раскрытие потенциала глубокого обучения с помощью трансформеров
Введение
В сегодняшнюю цифровую эпоху понимание естественного языка жизненно важно для взаимодействия человека с машиной. Трансформеры, с их исключительной способностью улавливать контекстуальные отношения и нюансы, изменили правила игры в этой области. От машинного перевода до суммирования текста, систем ответов на вопросы и анализа тональности — Transformers оказали значительное влияние на решение различных задач.
Что такое трансформаторы?
Преобразователи, замечательный компонент..
5 причин использовать файлы YAML в проектах машинного обучения
Даже если ваш проект небольшой, файлы YAML могут значительно повысить его гибкость и возможность повторного использования.
Во время моей магистерской программы в области науки о данных никто не говорил мне о необходимости конфигурационных файлов и о том, насколько легче могла бы быть моя жизнь с ними. Честно говоря, никто не рассказал мне о многих очень важных аспектах, которые имели значение как специалист по данным, и мне очень не хватало знаний о лучших практиках. Тем не менее, я..
Ядерная энергетика против искусственного интеллекта: стремление к сбалансированному будущему
Ядерная энергетика против искусственного интеллекта: стремление к сбалансированному будущему
По мере развития общества одновременное развитие ядерной энергетики и искусственного интеллекта (ИИ) поднимает важные вопросы о преимуществах, рисках и этических соображениях, связанных с этими мощными технологиями.
Ядерная энергетика уже давно является спорной темой из-за возможности катастрофических аварий, проблемы захоронения ядерных отходов и рисков, связанных с ядерным распространением...