Публикации по теме 'machine-learning'


Руководство для новичков в машинном обучении — часть 8
Руководство для новичков в машинном обучении — часть 8 Что-то, что я откладывал до сих пор, — это то, как тестировать классификатор. Мы проверим созданный нами классификатор дерева решений. Мы будем использовать набор данных линз для создания обучающего набора и тестового набора и вычислить ошибку обучения. Что такое тестовый набор? Обучающая выборка, используемая для обучения классификатора, содержит высокоточные данные. Когда мы хотим разделить его на обучающий и тестовый..
Сквозное машинное обучение с облачной платформой DataRobot AI
DataRobot AI Cloud — это новый подход, созданный с учетом требований, задач и возможностей современного ИИ. Это единая система записи, ускоряющая внедрение ИИ в производство для каждой организации. Все пользователи взаимодействуют в единой среде, созданной для непрерывной оптимизации на протяжении всего жизненного цикла ИИ. Он предназначен для совместной работы всех пользователей на предприятии: - экспертов по науке о данных и аналитике - групп ИТ и DevOps - руководителей и..
Путешествие от индивидуального человека к автоматизации. Дорожная карта Agile к машинному обучению: глубокое погружение в…
В сегодняшней быстро меняющейся предпринимательской среде путь от стартапа к масштабированию сопряжен с проблемами и беспрецедентными возможностями для бизнеса по автоматизации и оптимизации своих процессов. Интеграция машинного обучения (МО) в бизнес-процессы — одно из таких интересных направлений, но это непростая задача. Это требует тщательного планирования, многоэтапного подхода и глубокого понимания как деловых, так и технических аспектов. Но как ориентироваться в этом сложном..
Создание поискового микросервиса с помощью машинного обучения
В Loopio мы в значительной степени полагаемся на офлайн-эксперименты для проверки новых гипотез, которые могут помочь нам улучшить поиск для наших пользователей. Когда эксперимент оказывается успешным, наша цель состоит в том, чтобы как можно скорее запустить его в производство, чтобы мы могли собрать информацию с помощью A/B-тестирования на подмножестве наших пользователей. Узнайте все подробности о нашей автономной экспериментальной среде и о том, как мы используем машинное обучение..
Построение модели прогнозирования кредитного риска с помощью XGBoost, нейронных сетей, Streamlit и FastAPI
Введение: В современном финансовом мире способность точно прогнозировать кредитный риск имеет решающее значение для кредитных учреждений, позволяющих принимать обоснованные решения и эффективно управлять потенциальными потерями. В этой статье мы рассмотрим комплексный подход к построению модели прогнозирования кредитного риска с использованием методов машинного обучения. Мы рассмотрим очистку данных, разработку функций, обучение моделей с помощью XGBoost и нейронных сетей, усреднение по..
Искусственный интеллект: революция в будущем человечества
Искусственный интеллект (ИИ) стал одной из самых революционных технологий 21 века, революционизировавшей различные отрасли и аспекты повседневной жизни. Область ИИ сосредоточена на создании интеллектуальных машин, которые могут учиться, рассуждать и выполнять задачи, которые традиционно требовали человеческого интеллекта. Благодаря значительным достижениям в области машинного обучения, нейронных сетей и обработки естественного языка ИИ добился невероятных успехов в решении проблем,..
Как разделить данные на три набора (обучение, проверка и тестирование) и почему?
Освоение основ секционирования данных для оптимальной производительности модели Введение Представьте себе, что вы лепите шедевр из куска мрамора. Вы не начинаете просто работать, надеясь на лучшее. Вы начинаете с грубой придания ему формы, уточнения деталей и, наконец, нанесения последних штрихов. Подобно этому творческому процессу, задача построения модели машинного обучения также требует ряда тщательно спланированных шагов. Как однажды сказал знаменитый художник Микеланджело:..