Регрессионный анализ в DataScience. Часть 2. Преобразование Бокса-Кокса. Проверка тренда и случайности
В данном обзоре рассмотрим более сложную задачу:
- исходные данные не подчиняются нормальному закону;
- исходные данные представляют собой временные ряды показателей, т.е. возможно возникновение автокорреляции и ложной корреляции.
https://habr.com/ru/articles/695556/

Создание и обучение вашей первой нейронной сети с помощью TensorFlow и Keras
Узнайте, как создать и обучить свою первую модель классификации изображений с помощью Keras и TensorFlow с использованием сверточной нейронной сети.
https://www.kdnuggets.com/2023/05/building-training-first-neural-network-tensorflow-keras.html

Понимание центральной тенденции
Центральная тенденция — это свойство данных распределяться относительно характеристического значения. В науке о данных и статистике двумя наиболее важными показателями центральной тенденции являются среднее значение и медиана.
https://www.kdnuggets.com/2023/05/understanding-central-tendency.html

Снижаем размерность эмбеддингов предложений для задачи определения семантического сходства
С каждым годом растет сложность моделей, решающих вопросы семантически‑ и контекстно‑ориентированной обработки естественного языка (NLP). Также нельзя забывать и про проблемы мультиязычности моделей.
https://habr.com/ru/articles/727318/

Ты мог бы стать спортсменом, если бы родился в другой день. Что такое Relative Age Effect?
Что делает перспективного ребенка из местной спортивной секции чемпионом мира по футболу, олимпийским призером или обладателем Кубка Стэнли?
Одни ответят талант. Без таланта далеко не уедешь. Что, если он не так мелодичен, не так романтичен и уж совсем не вписывается в наше представление об истинном успехе?
https://habr.com/ru/articles/718764/

Создавайте эффективные и надежные системы машинного обучения!
Проектирование системы машинного обучения: комплексные примеры — это практическое руководство по планированию и разработке успешных приложений машинного обучения. Он излагает четкую, воспроизводимую основу для создания, обслуживания и улучшения систем любого масштаба. https://www.kdnuggets.com/2023/05/manning-design-effective-reliable-machine-learning-systems.html

Концепция Data Mesh. Принципы, идеи, применение на практике
С чего началась наша компания? В первую очередь, конечно, с людей и с идеи. Как это обычно бывает, правильные люди абсолютно случайно познакомились друг с другом, и вот я здесь, сижу и пишу этот пост =) Была, однако, и ещё одна очень важная составляющая - данные...
https://habr.com/ru/articles/685626/

MLOPS. Жизненный цикл ML-систем: от идеи до продакшна
Сегодня хочу с вами поделиться нашими практиками MLOPS – что по сути является модным словцом, а на самом деле есть ни что иное как жизненный цикл создания и функционирования ML-систем. Естественно, каждая модель и задача уникальна.
https://habr.com/ru/articles/678150/

Выбор подходящего инструмента для запросов: сравниваем DBeaver с Datagrip
В процессе своего обучения профессии ML engineer, пришло время и мне окунуться в мир баз данных. На курсе нам предложили два инструмента для работы с базами данных - это DataGrip и DBeaver . Я в своей статье задаюсь целью сравнить эти два инструмента - возможно это поможет кому-то с выбором.
https://habr.com/ru/articles/738118/

Чисто научный подход: чего хотят женщины и о чем говорят мужчины
Женщины сами не знают, что хотят, а мужчины говорят о работе. И мои слова - это не стереотипное мышление, а обоснованное на данных заявление.Цель была - сформировать портреты пользователей, но и плюсом пришла к приятному и немного трогательному выводу.
https://habr.com/ru/articles/737084/

О вариативности результатов обучения нейронных сетей
В данной статье делаем по 10 запусков обучения на каждой паре (количество нейронов скрытого слоя, размера батча) и сравниваем результаты.
https://habr.com/ru/articles/738730/

Учим нейросеть принимать решения на основе уже известного опыта
Учим нейросеть играть в Шахматы, загрузив в нее датасеты уже сыгранных партий с известным результатом.
То есть никакого минимакса, деревьев и расчетов на несколько ходов вперед.
Идея в том, что если в нейросеть загрузить много партий, уже сыгранныx другими игроками, то нейросеть будет знать, как поступали другие игроки в соответствующих случаях и к какому результату это приводило.
https://habr.com/ru/articles/721818/

Глубокое обучение с R
Кого не забавляли технологические достижения, особенно в области искусственного интеллекта , от Alexa до беспилотных автомобилей Tesla и множество других инноваций? Я восхищаюсь достижениями через день, но еще более интересно, когда вы получаете представление о том, что лежит в основе этих инноваций.
https://www.kdnuggets.com/2023/05/deep-learning-r.html

20 проектов по машинному обучению, которые привлекут вас на работу
Если вы хотите выйти на рынок труда в области машинного обучения и науки о данных, вам нужно будет продемонстрировать свои навыки, особенно если вы самоучка, с помощью онлайн-курсов и учебных курсов. Портфолио проектов — отличный способ попрактиковаться в своем новом ремесле и предоставить убедительные доказательства того, что сотруднику следует нанять именно вас, а не конкурентов.
https://www.kdnuggets.com/2021/09/20-machine-learning-projects-hired.html

Расчет скидки за первый и последний этаж в Excel
В первой части иллюстрированной инструкции по проведению расчета величины скидки за первый и последний этаж был показан порядок сбора данных с сайтов объявлений силами Excel и первичный анализ собранных данных. Исходные данные разбиты по группам этажности
https://habr.com/ru/articles/740302/

Автоматический майнинг изображений
В предыдущих статьях мы рассказали, как создать фотогалерею с собственной поисковой системой. Но где нам найти изображения для нашей галереи? Нам придется вручную искать источники «хороших» изображений, а затем вручную проверять, является ли каждое изображение «хорошим». Можно ли автоматизировать обе эти задачи? Ответ — да.
https://habr.com/ru/articles/739550/

Фундаментальные концепции переобучения и недообучения в машинном обучении
Этот модуль дает интуитивно понятное введение в очень фундаментальные концепции переобучения и недообучения в машинном обучении. Модели машинного обучения никогда не могут делать идеальные прогнозы: ошибка теста никогда не равна нулю. Этот провал происходит из-за фундаментального компромисса между гибкостью моделирования и ограниченным размером обучающего набора данных .
https://habr.com/ru/articles/738128/

Статистика и мониторинг PHP-скриптов в режиме реального времени. ClickHouse и Grafana обращаются за помощью к Pinba
В этой статье я объясню, как использовать pinba с clickhouse и grafana вместо pinba_engine и pinboard.
https://habr.com/ru/articles/449818/

Расширенные методы выбора функций для моделей машинного обучения
Освоение выбора функций: исследование передовых методов для контролируемых и неконтролируемых моделей машинного обучения.
https://www.kdnuggets.com/2023/06/advanced-feature-selection-techniques-machine-learning-models.html

Революционный анализ данных с PandasGUI
PandasGUI обеспечивает беспрецедентно простой и эффективный анализ данных.
https://www.kdnuggets.com/2023/06/revolutionizing-data-analysis-pandasgui.html

Сквозная оптимизация в промышленности
В этом посте я хочу рассказать о своем опыте разработки технологии, которая управляет интеллектуальными решениями, используемыми в промышленности, чтобы сделать их работу эффективнее и обнаружить скрытые выгоды для бизнеса.
https://habr.com/ru/articles/742162/