Публикации по теме 'data-science'
Как я набрал 82,3% и оказался в топ-3% набора данных Kaggle Titanic
Что касается моей истории, я не профессиональный специалист по данным, но постоянно стремлюсь им стать. К счастью, имея Python в качестве основного оружия, у меня есть преимущество в области науки о данных и машинного обучения, поскольку этот язык поддерживает меня в виде обширных библиотек и фреймворков. Я также читаю книги по этой теме, и мои любимые - « Введение в машинное обучение с помощью Python: руководство для специалистов по данным » и « Практическое машинное обучение с помощью..
Панды, чтобы найти самую симпатичную кошку в городе
Панды, чтобы найти самую симпатичную кошку в городе
Интересное введение в Pandas - библиотеку анализа данных Python
Привет, в прошлой статье мы рассмотрели решение типичного наибольшего числа n на группу с помощью SQL и Elasticsearch. В этой статье будет рассмотрено, как решить эту проблему с помощью мощной библиотеки анализа данных Python Pandas . 🐼
Pandas получил две важные структуры данных Series и DataFrame . Мы будем исследовать структуру данных Pandas DataFrame и..
Как использовать модели прогнозирования классификации
Краткое руководство по моделям классификации в Python.
Алгоритм классификации — это тип алгоритма машинного обучения, который используется для прогнозирования класса или категории элемента или точки данных. Этот тип алгоритма используется в самых разных приложениях, включая фильтрацию спама, распознавание изображений и речи и медицинскую диагностику.
Чтобы понять, как работает алгоритм классификации, рассмотрим простой пример. Предположим, у нас есть набор данных электронных писем, и мы..
Как работают инфляционные гравитационные волны, часть 2 (Космология)
Выявление изначального неприводимого инфляционного гравитационно-волнового фона с помощью вращающегося аксиона Печчеи-Куинна (arXiv)
Автор: Ян Гуттенуар , Жеральдин Серван , Пера Симакачорн .
Аннотация: Первичный неуменьшаемый фон гравитационных волн из-за флуктуаций тензора квантового вакуума, возникающих во время инфляции, охватывает большой диапазон частот с почти масштабно-инвариантным спектром, но слишком низок, чтобы его можно было обнаружить интерферометрами следующего..
Изучение основных библиотек Python для науки о данных
В эпоху больших данных и информационной перегрузки способность извлекать значимую информацию из огромных наборов данных стала важнейшим навыком. Именно здесь в игру вступает наука о данных. Наука о данных включает в себя извлечение знаний и идей из данных с помощью различных процессов, включая сбор, очистку, исследование, анализ и визуализацию данных. Python с его удобным синтаксисом и богатой экосистемой библиотек стал популярным языком для науки о данных. В этой статье мы рассмотрим..
День 5. Обзор машинного обучения
Путешествие к знаниям и расширению возможностей
Когда мое путешествие в сферу машинного обучения подходит к концу, я обнаруживаю, что вооружился бесценными знаниями и более глубоким пониманием мира принятия решений на основе данных. Машинное обучение часто рассматривается как сложная среда, но оно является маяком расширения возможностей, предлагая набор инструментов, который упрощает сложные процессы и совершенствует процессы принятия решений.
Раскрытие основных алгоритмов:
В..
Раскрытие возможностей анализа данных с пандами; Руководство для начинающих
Вы готовы начать свое путешествие с пандами? Вот пошаговое руководство о том, как начать.
Введение
pandas, пожалуй, самый важный пакет Python для анализа данных. С более чем 100 миллионами загрузок в месяц это де-факто стандартный пакет для обработки данных и исследовательского анализа данных. Его способность читать и записывать в обширный список форматов делает его универсальным инструментом для специалистов по науке о данных. Его функции обработки данных делают его очень..
Новые материалы
Обучение модели Keras с большим набором данных (пакетное обучение)
Привет народ!! В этом блоге я собираюсь обсудить очень интересную особенность Keras. При обучении любой модели глубокого обучения обязательным условием для получения хорошего результата..
Раскрытие возможностей сверточных нейронных сетей: обучение аутентификации изображений
1.0 ВВЕДЕНИЕ
В области анализа цифровых изображений насущной необходимостью стала разработка надежных методов, позволяющих отличить подлинные изображения от поддельных. С появлением сложных..
Изучение основных библиотек Python для науки о данных
В эпоху больших данных и информационной перегрузки способность извлекать значимую информацию из огромных наборов данных стала важнейшим навыком. Именно здесь в игру вступает наука о данных...
Легко загружать в React элемент HTML в виде изображения
Много раз на наших сайтах нам нужно сделать кнопку доступной для пользователей, чтобы они могли загружать содержимое страницы. Иногда нам нужно загрузить таблицу, график или, в более общем..
Запуск кластера Stable Diffusion на GCP с обслуживанием tensorflow (часть 1)
Часть 1. Настройка инфраструктуры с помощью Terraform
В первой части этого руководства, состоящего из двух частей, мы научимся создавать кластер Kubernetes, который развертывает модель Stable..
Внедрение человечности в машинное обучение
Иногда мне хочется, чтобы прогресс в кодировании был хоть немного более полезным. Если использовать баскетбол — еще одно хобби всей моей жизни — для сравнения: когда я забиваю мяч, это гораздо..
Обнаружение выражений лица и поз с помощью машинного обучения
От обнаружения лица человека до доступа к устройствам или распознавания человека с помощью камер видеонаблюдения или прогнозирования стратегий в спорте путем определения ключевых точек поз или..