Публикации по теме 'data-science'


Классификация операций безопасности
Все в индустрии кибербезопасности спешат заполучить необходимый искусственный интеллект и машинное обучение, необходимые для того, чтобы опередить своих злоумышленников. В то время как многие компании, занимающиеся кибербезопасностью, безусловно, используют ИИ/МО только для торговли модными словечками , большинство профессионалов в области кибербезопасности считают, что ИИ/МО занимает свое место в мире безопасности. Основополагающая проблема в машинном обучении или любой аналитике..
Исследовательские работы для чтения по задачам о ранцах
Эволюционные алгоритмы ограничения влияния неопределенности для задачи о рюкзаке со стохастической прибылью (arXiv) Автор: Анета Нойманн , Юэ Се , Фрэнк Нойманн Аннотация: Эволюционные алгоритмы широко используются для ряда задач стохастической оптимизации для решения сложных реальных задач оптимизации. Мы рассматриваем задачу о рюкзаке, где прибыль связана с неопределенностью. Такая стохастическая настройка отражает важные сценарии реального мира, когда прибыль, которую..
Как выбрать различные типы линейных классификаторов?
Запутались в различных типах алгоритмов классификации, таких как логистическая регрессия, наивный байесовский классификатор, линейный классификатор опорных векторов (SVC) и машина опорных векторов с ядром (SVM)? Вы пытаетесь понять, что они из себя представляют и как выбрать один из них для своего сценария на высоком уровне, не зная слишком много математики? Если это так, эта статья может помочь. Что такое линейный классификатор? Линейный классификатор Классификатор — это..
Нет тренировочных данных? Без проблем! Слабый надзор в помощь!
Используйте знания предметной области для создания больших помеченных наборов данных с помощью современного слабого контроля НЛП. 🚧 Задача современного машинного обучения Одним из основных узких мест при разработке современных моделей машинного обучения (МО) в реальных приложениях является потребность в значительных объемах обучающих данных, помеченных вручную [ Бумага ]. Например, набор данных ImageNet состоит из более чем 14 миллионов размеченных вручную изображений различных..
Новое исследование по распознаванию именованных объектов, часть 2 (искусственный интеллект)
Расширение таксономии для распознавания именованных объектов (arXiv) Автор: Картикеян К , Йогарши Вьяс , Джи Ма , Джованни Паолини , Неха Анна Джон , Шуай Ван , Яссин Бенаджиба , Витторио Кастелли , Дэн Рот , Мигель Бальестерос Аннотация: Обучение модели распознавания именованных сущностей (NER) часто включает в себя исправление таксономии типов сущностей. Однако требования развиваются, и нам может понадобиться модель NER для распознавания дополнительных типов..
Как используются асимптотические расширения, часть 3 (машинное обучение)
Верхние оценки и асимптотика функции Макдональда и суммируемость интегралов Конторовича-Лебедева(arXiv) Авторы. Якубович» Аннотация: Для функции Макдональда Kiτ(x) установлены равномерные оценки сверху и асимптотическое разложение с явным остаточным членом. Результаты могут быть применены, например, для изучения суммируемости расходящихся интегралов Конторовича-Лебедева по Джонсу. А именно, мы положительно отвечаем на вопрос (см. [6]), сходятся ли эти интегралы для четных целых..
Практическое руководство по прогнозированию оттока клиентов с помощью XGBoost с использованием AWS Sagemaker
Любой бизнес не может позволить себе терять клиентов. Раннее обнаружение неудовлетворенных клиентов дает вам возможность создать стимул остаться с вами. В этой статье обсуждается использование машинного обучения (ML) для автоматического прогнозирования оттока клиентов. Поскольку модели машинного обучения редко дают точные прогнозы, в этом посте также рассматривается, как учитывать относительную стоимость ошибок прогнозирования при расчете финансовых последствий применения машинного..