Рекуррентная нейросеть: Прогноз символов
Продолжаем делиться циклом видео, где автор рассказывает про нейросети. В этот раз ты научишься строить рекуррентную нейросеть для прогнозирования символов последовательности. Ты узнаешь, как правильно кодировать и подавать на вход сети текстовую информацию в виде One-hot encoding (OHE) векторов.
👀Смотреть видео
#видео #нейронные_сети
Продолжаем делиться циклом видео, где автор рассказывает про нейросети. В этот раз ты научишься строить рекуррентную нейросеть для прогнозирования символов последовательности. Ты узнаешь, как правильно кодировать и подавать на вход сети текстовую информацию в виде One-hot encoding (OHE) векторов.
👀Смотреть видео
#видео #нейронные_сети
🔥1
Apache Airflow в связке с Kubernetes
Делимся статьей, где автор рассказывает про свой опыт в работе Apache Airflow в связке с Kubernetes. Ты соберешь собственный образ Docker с python-скриптом, настроишь автоматическую синхронизацию DAG’ов с удаленным репозиторием и их исполнение.
👉Читать статью
#статьи
Делимся статьей, где автор рассказывает про свой опыт в работе Apache Airflow в связке с Kubernetes. Ты соберешь собственный образ Docker с python-скриптом, настроишь автоматическую синхронизацию DAG’ов с удаленным репозиторием и их исполнение.
👉Читать статью
#статьи
dict.setdefault
Метод setdefault() возвращает значение ключа (если ключ находится в словаре). Если нет, он вставляет ключ со значением в словарь. setdefault() возвращает: значение ключа, если он есть в словаре; None, если ключа нет в словаре и значение по умолчанию не указано; default value, если ключ отсутствует в словаре и указано default value.
#практика
Метод setdefault() возвращает значение ключа (если ключ находится в словаре). Если нет, он вставляет ключ со значением в словарь. setdefault() возвращает: значение ключа, если он есть в словаре; None, если ключа нет в словаре и значение по умолчанию не указано; default value, если ключ отсутствует в словаре и указано default value.
#практика
Пример использования SGD при бинарной классификации образов
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор демонстрирует пример реализации стохастического градиентного спуска (SGD) применительно к задаче бинарной классификации образов с помощью линейной модели и сигмоидальной функции потерь.
👀Смотреть видео
#видео
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор демонстрирует пример реализации стохастического градиентного спуска (SGD) применительно к задаче бинарной классификации образов с помощью линейной модели и сигмоидальной функции потерь.
👀Смотреть видео
#видео
👍2🔥1😁1
Библиотеки для дата-сайентиста
В данной статье автор собрал более 40 библиотек для начинающих AI/ML специалистов. Сгруппированы они по областям практического применения, с кратким описанием функций каждого инструмента.
👉Читать статью
#статьи
В данной статье автор собрал более 40 библиотек для начинающих AI/ML специалистов. Сгруппированы они по областям практического применения, с кратким описанием функций каждого инструмента.
👉Читать статью
#статьи
👍2🔥1😁1
math.pow
Метод math.pow() возвращает значение x, возведенное в степень y. Если x отрицательно, а y не является целым числом, возвращается ValueError. Этот метод преобразует оба аргумента в число с плавающей запятой. Обрати внимание, если math.pow(1.0,x) или math.pow(x,0.0), он всегда будет возвращать 1,0.
#практика
Метод math.pow() возвращает значение x, возведенное в степень y. Если x отрицательно, а y не является целым числом, возвращается ValueError. Этот метод преобразует оба аргумента в число с плавающей запятой. Обрати внимание, если math.pow(1.0,x) или math.pow(x,0.0), он всегда будет возвращать 1,0.
#практика
👍3
L2-регуляризатор
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про устранение эффекта переобучения моделей с помощью L2-регуляризатора. Продемонстрировано математическое обоснование.
👀Смотреть видео
#видео
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про устранение эффекта переобучения моделей с помощью L2-регуляризатора. Продемонстрировано математическое обоснование.
👀Смотреть видео
#видео
👍2
ChatGPT Code Interpreter
Code Interpreter позволяет ChatGPT анализировать данные, создавать диаграммы, решать математические задачи и редактировать файлы. Он также поддерживает загрузку и скачивание файлов, что раньше было невозможно в ChatGPT. Делимся статьей, где автор рассказывает про свой опыт применения Code Interpreter на реальных задачах.
👉Читать статью
#статьи
Code Interpreter позволяет ChatGPT анализировать данные, создавать диаграммы, решать математические задачи и редактировать файлы. Он также поддерживает загрузку и скачивание файлов, что раньше было невозможно в ChatGPT. Делимся статьей, где автор рассказывает про свой опыт применения Code Interpreter на реальных задачах.
👉Читать статью
#статьи
👍2🔥1😁1
math.ceil
Метод math.ceil() при необходимости округляет число до ближайшего целого числа в большую сторону и возвращает результат. Чтобы округлить число в меньшую сторону до ближайшего целого, используй метод math.floor().
#практика
Метод math.ceil() при необходимости округляет число до ближайшего целого числа в большую сторону и возвращает результат. Чтобы округлить число в меньшую сторону до ближайшего целого, используй метод math.floor().
#практика
L1-регуляризатор
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про выделение признаков с помощью L1-регуляризатора. Продемонстрированы отличия в работе между L1 и L2-регуляризаторами.
👀Смотреть видео
#видео
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про выделение признаков с помощью L1-регуляризатора. Продемонстрированы отличия в работе между L1 и L2-регуляризаторами.
👀Смотреть видео
#видео
👍1
Полезные декораторы
Делимся статьей, где автор рассказывает про концепцию Python-оберток. Приводится пять примеров, которые помогут тебе улучшить процесс разработки, а также сократят код в два раза.
👉Читать статью
#статьи
Делимся статьей, где автор рассказывает про концепцию Python-оберток. Приводится пять примеров, которые помогут тебе улучшить процесс разработки, а также сократят код в два раза.
👉Читать статью
#статьи
random.random
Функция random.random() генерирует случайные числа с плавающей запятой в диапазоне от 0,1 до 1,0. Она не принимает параметров и возвращает значения, равномерно распределенные между 0 и 1. В данном примере мы используем цикл и добавляем случайные числа в список.
#практика
Функция random.random() генерирует случайные числа с плавающей запятой в диапазоне от 0,1 до 1,0. Она не принимает параметров и возвращает значения, равномерно распределенные между 0 и 1. В данном примере мы используем цикл и добавляем случайные числа в список.
#практика
Гауссовский байесовский классификатор
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про принцип построения и работы гауссовского байесовского классификатора в многомерном признаковом пространстве. Демонстрируется его отличие от наивного байесовского классификатора.
👀Смотреть видео
#видео
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про принцип построения и работы гауссовского байесовского классификатора в многомерном признаковом пространстве. Демонстрируется его отличие от наивного байесовского классификатора.
👀Смотреть видео
#видео
Декодирование сигналов точного времени
Благодаря данной статье ты узнаешь, как можно получать и декодировать в реальном времени сигнал точного времени из интернета. Для этого тебе не понадобятся специальные устройства, достаточного компьютера с интернет-соединением.
👉Читать статью
#статьи
Благодаря данной статье ты узнаешь, как можно получать и декодировать в реальном времени сигнал точного времени из интернета. Для этого тебе не понадобятся специальные устройства, достаточного компьютера с интернет-соединением.
👉Читать статью
#статьи
math.fabs
Метод math.fabs() возвращает абсолютное значение числа в виде числа с плавающей запятой. Абсолют обозначает неотрицательное число. Это удаляет отрицательный знак значения, если он есть. В отличие от Python abs(), этот метод всегда преобразует значение в значение с плавающей запятой.
#практика
Метод math.fabs() возвращает абсолютное значение числа в виде числа с плавающей запятой. Абсолют обозначает неотрицательное число. Это удаляет отрицательный знак значения, если он есть. В отличие от Python abs(), этот метод всегда преобразует значение в значение с плавающей запятой.
#практика
Реализация метода опорных векторов
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про условие Каруша-Куна-Таккера с поиском седловой точки функции Лагранжа, как вариант решения оптимизационной задачи метода опорных векторов. Продемонстрирована реализация SVM с помощью библиотеки Scikit-Learn на Python.
👀Смотреть видео
#видео
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про условие Каруша-Куна-Таккера с поиском седловой точки функции Лагранжа, как вариант решения оптимизационной задачи метода опорных векторов. Продемонстрирована реализация SVM с помощью библиотеки Scikit-Learn на Python.
👀Смотреть видео
#видео
Flask Vulnerable Web Application
Flask Vulnerable Web Application – это лабораторная среда, созданная для людей, которые хотят улучшить себя в области веб-тестирования. Делимся статьей, благодаря которой ты познакомишься с FVWA.
👉Читать статью
#статьи #flask
Flask Vulnerable Web Application – это лабораторная среда, созданная для людей, которые хотят улучшить себя в области веб-тестирования. Делимся статьей, благодаря которой ты познакомишься с FVWA.
👉Читать статью
#статьи #flask
math.floor
Метод math.floor() при необходимости округляет число до ближайшего целого числа в меньшую сторону и возвращает результат. Чтобы округлить число в большую сторону до ближайшего целого, используй метод math.ceil().
#практика
Метод math.floor() при необходимости округляет число до ближайшего целого числа в меньшую сторону и возвращает результат. Чтобы округлить число в большую сторону до ближайшего целого, используй метод math.ceil().
#практика
Сокращение размерности признакового пространства
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про устранение линейно зависимых признаков с помощью метода главных компонент (PCA – principal component analysis). Отличие и общность такого подхода от L2-регуляризатора.
👀Смотреть видео
#видео
Продолжаем делиться циклом видео про машинное обучение. В этот раз автор рассказывает про устранение линейно зависимых признаков с помощью метода главных компонент (PCA – principal component analysis). Отличие и общность такого подхода от L2-регуляризатора.
👀Смотреть видео
#видео
👍1
Simba
Делимся статьей, где автор рассказывает про Simba. Это симулятор динамики частиц на Python. Используется библиотека Numba для проведения параллельных расчетов на видеокарте.
👉Читать статью
#статьи
Делимся статьей, где автор рассказывает про Simba. Это симулятор динамики частиц на Python. Используется библиотека Numba для проведения параллельных расчетов на видеокарте.
👉Читать статью
#статьи
math.isfinite
Метод math.isfinite() проверяет, является ли число конечным или нет. Этот метод возвращает True, если указанное число является конечным числом, в противном случае он возвращает False.
#практика
Метод math.isfinite() проверяет, является ли число конечным или нет. Этот метод возвращает True, если указанное число является конечным числом, в противном случае он возвращает False.
#практика