Как научить Наивного Байеса давать персональные рекомендации
Подход, о котором я расскажу, позволяет расширить функциональные возможности метода Наивного Байеса благодаря использованию весовых коэффициентов для различных групп признаков объекта датасета .
https://habr.com/ru/articles/728802/

Часть 2. Перевод нейронной сети на базе Keras LSTM на работу с матричными операциями
В первой части была переведена обученная модель полносвязной сети на базе Keras на работу с матричными вычислениями. Модель разработана для новостного агрегатора с целью фильтрации нежелательных новостей.
https://habr.com/ru/articles/723792/

Метрики расстояний: Евклидово, Манхэттенское, Минковского
Если вы знакомы с машинным обучением, вы знаете, что точки данных в наборе данных и впоследствии спроектированные функции — это все точки (или векторы) в n-мерном пространстве.
https://www.kdnuggets.com/2023/03/distan…

Понимание компромисса смещения и дисперсии за 3 минуты
Эта статья представляет собой рецензию доклада о освещении машинного обучения, интуитивно объясняющего важную концепцию науки о данных за 3 минуты.
https://www.kdnuggets.com/2020/09/unders…

Что такое статистическое искажение?
Асимметрия измеряет асимметрию распределения. Если распределение смещено либо влево, либо вправо — это означает, что оно перекошено. Он показывает, как данное распределение отличается от нормального распределения, которое, как известно, имеет нулевую асимметрию.
https://www.kdnuggets.com/2022/11/statis…

Изучение показателей неконтролируемого обучения
Неконтролируемое обучение — это ветвь машинного обучения, в которой модели изучают шаблоны на основе доступных данных, а не на основе фактической метки. Мы позволяем алгоритму придумывать ответы.
https://www.kdnuggets.com/2023/04/explor…

Лучшая модель машинного обучения для разреженных данных
Разреженные данные относятся к наборам данных со многими функциями с нулевыми значениями. Это может вызвать проблемы в разных областях, особенно в машинном обучении.
https://www.kdnuggets.com/2023/04/best-m…

Разница между регуляризацией L1 и L2
Здесь обсуждаются два типа регуляризованных регрессионных моделей: гребенчатая регрессия (регуляризация L2) и регрессия Лассо (регуляризация L1).
https://www.kdnuggets.com/2022/08/differ…

Связь Django и PostgreSQL внутри Docker
Как начинающий разработчик хочу поделиться своим решением проблемы, с которой столкнулся и не нашел готового решения в интернете. Мой подход может не быть оптимальным, но может быть полезен другим новичкам.
https://habr.com/ru/articles/729610/

Поиск глобального максимума общей полезности как задача для Искусственного интеллекта и bigdata
Похоже, что Искусственный Интеллект уже достаточно освоился в нашем мире и пришла пора поручить ему реальные глобальные задачи человечества.
https://habr.com/ru/articles/729698/

Кто я - аналитик данных или датасаентист?
По данным аналитической компании IDC, в 2020 году в мире было произведено более 64 зеттабайт данных (для справки: 1 зеттабайт равен 10²¹ байтов). По прогнозам, к 2025 году объем всех данных в мире составит 175 зеттабайт. Важно подчеркнуть, что эта тенденция растет, и правильное использование данных может сыграть решающую роль в развитии многих отраслей.
https://habr.com/ru/articles/729520/

Как устроиться на работу специалистом по данным в эпоху GPT-4
Сосредоточимся на статистике, основных концепциях науки о данных, НЛП, оперативном проектировании, портфолио науки о данных, подготовке к интервью и AIOps.
https://www.kdnuggets.com/2023/04/get-hired-data-scientist-gpt4-era.html

Легко изучайте LLM на своем ноутбуке с openplayground

Используйте простой пользовательский интерфейс, чтобы экспериментировать с различными широко известными языковыми моделями.
https://www.kdnuggets.com/2023/04/explor…

10 веб-сайтов для получения потрясающих данных для проектов по науке о данных
В этой статье речь пойдет о 10 удивительных веб-сайтах, где вы можете получить действительно потрясающие данные для проектов по науке о данных. Цель будет заключаться в том, чтобы продемонстрировать различные данные, которые могут вам понравиться.
https://www.kdnuggets.com/2023/04/10-web…

Планирование и запуск ETL с помощью Jupysql и GitHub Actions
В этом блоге вы найдете исчерпывающий обзор ETL и JupySQL, включая краткое введение в ETL и JupySQL. Мы также продемонстрировали, как запланировать пример блокнота ETL с помощью действий GitHub, что позволяет автоматизировать процесс выполнения ETL и JupySQL из Jupyter.
https://www.kdnuggets.com/2023/05/schedu…

Универсальная модель в онлайн-обслуживании клиентов
Построение моделей машинного обучения может быть трудоемким процессом, который часто занимает несколько месяцев в типичных бизнес-сценариях. Чтобы обеспечить стабильную производительность модели и учитывать изменения в распределении данных, необходимо регулярное переобучение.
https://www.amazon.science/publications/…

Обучение псевдометкам и инерция модели в нейронном машинном переводе
Как и многие другие приложения машинного обучения, нейронный машинный перевод (NMT) выигрывает от чрезмерно параметризованных глубоких нейронных моделей. Однако было замечено, что эти модели ненадежны: прогнозы модели NMT чувствительны к небольшим изменениям входных данных
https://www.amazon.science/publications/…

Автоматизируйте свою кодовую базу с помощью Promptr и GPT
Вы хотите упростить операции с кодом с помощью GPT, но устали от процесса копирования и вставки? Ну вот и решение в виде подсказки. Инструмент с открытым исходным кодом для автоматизации вашей кодовой базы.
https://www.kdnuggets.com/2023/04/automa…

Анализ заработной платы специалиста по данным
Специалисты по данным востребованы во многих отраслях и секторах. Но сколько они зарабатывают и где работают?
https://www.kdnuggets.com/2023/04/data-s…

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