Публикации по теме 'data-science'


Работа с предварительным обучением в машинном обучении, часть 4
FDAPT: федеративное доменно-адаптивное предварительное обучение для языковых моделей (arXiv) Автор: Лекан Цзян , Филип Свобода , Николас Д. Лейн . Аннотация: Сочетание предметно-адаптивного предварительного обучения (DAPT) с федеративным обучением (FL) может улучшить адаптацию модели за счет использования более конфиденциальных и распределенных данных при сохранении конфиденциальности данных. Однако мало исследований посвящено этому методу. Поэтому мы проводим первое всестороннее..
Создание стека технологий для науки о данных
Создание стека технологий в области науки о данных Иногда ваш рабочий процесс так же важен, как и ваш человеческий капитал Технологический стек для команд Data Science неправильно понимают компании любого размера. Часто бывает непонятно, какие инструменты необходимы для каких работ. К счастью, большинство технологических тенденций приводят к стандартизации рабочих процессов в отрасли. Пока что, похоже, это было ограничено в мире Data Science. Не существует четкого пути к созданию..
Как далеко мы ушли от зеркального спуска, часть 1 (машинное обучение)
Неточный онлайн-проксимальный зеркальный спуск для изменяющейся во времени композитной оптимизации (arXiv) Автор: Woocheol Choi , Myeong-Su Lee , Seok-Bae Yun . Аннотация: В этой статье мы рассматриваем онлайн-проксимальный зеркальный спуск для решения сложных задач оптимизации во времени. Для различных приложений алгоритм естественным образом содержит ошибки в градиентном и проксимальном операторе. Получены точные оценки динамического сожаления алгоритма, когда регулярная часть..
Алгоритмы машинного обучения : основы и реальные приложения
Добро пожаловать в интригующий мир алгоритмов машинного обучения, где сходятся интеллект и инновации. Алгоритмы машинного обучения изменили правила игры в обширной сфере анализа данных, открыв новую эру интеллектуального принятия решений. Способность этих алгоритмов распознавать закономерности, предсказывать будущее и делать обоснованные выводы просто поразительна. Поскольку беспилотные автомобили перемещаются по многолюдным улицам для персонализации цифрового опыта, алгоритмы..
Основные шаги для решения проблемы науки о данных: от формулировки проблемы до результата…
Наука о данных  – это междисциплинарная область, которая включает в себя извлечение идей и знаний из больших наборов данных с помощью сочетания статистического анализа, машинного обучения и компьютерного программирования. Подход к проблеме науки о данных может быть сложным процессом, требующим тщательного рассмотрения нескольких факторов. Это основные шаги, необходимые для решения проблемы науки о данных. Сформулируйте проблему Первым шагом в подходе к проблеме науки о данных..
Python —  Генерация полетных данных
Создайте Kafka Producer с помощью Python Ого, уже 11-й день декабрьской конференции Python Data Science . Сегодня мы начинаем новый проект по науке о данных о создании данных о местоположении самолетов. В итоге мы построим что-то похожее на то, что вы могли знать из Flightradar24 , но намного меньшего размера. 😃
Машинное обучение стало проще
ЦЕЛЬ За последние несколько лет мы видели технологии, широко используемые правительством в различных областях, таких как автоматизация, образование, здравоохранение, управление энергопотреблением, сельское хозяйство и т. д. Несмотря на то, что у нас есть надлежащие средства и количество для прогнозного анализа этих данных, нехватка времени и средств для создания наилучшей модели машины может привести к неправильному обучению данных, что в свою очередь приведет к снижению точности...