Публикации по теме 'heartbeat'


Машинное обучение на iOS и Android
Преимущества, варианты использования и среды для разработчиков Мы видели множество отличных вариантов использования машинного обучения на устройствах, но иногда нам легко заблудиться в траве. Для многих мобильных разработчиков идея машинного обучения может показаться пугающей - математика, крутая кривая обучения и вопросы о в первую очередь необходимости в функциях машинного обучения . Конечно, не каждый вариант использования подходит для развертывания в приложении, но мы хотели..
KNN: полное руководство
Нежное введение в алгоритм K-ближайших соседей Когда доступно так много алгоритмов машинного обучения, может быть трудно решить, какой из них использовать для нашей модели, особенно для тех, кто только готовится глубоко погрузиться в науку о данных. Иногда существует простой алгоритм, способный победить большинство сложных алгоритмов из всех существующих. KNN является одним из таких примеров. И просто, и в большинстве случаев эффективно. KNN — отличный вариант, если вы только..
Оценка неопределенности в моделях машинного обучения — Часть 1
"Мы требуем жестко определенных областей сомнения и неопределенности!" — Дуглас Адамс, Автостопом по Галактике Примечание редактора. Эта статья впервые появилась в блоге Comet. Почему неопределенность важна? Давайте на секунду представим, что мы создаем модель компьютерного зрения для строительной компании ABC Construction. Компания заинтересована в автоматизации процесса наблюдения за аэродромом и хотела бы, чтобы наш алгоритм работал на их дронах. Мы с радостью..
Как определить объем и критерии успеха для ваших проектов машинного обучения
Первый шаг к стандартизации ваших экспериментов Примечание редактора. Обязательно ознакомьтесь с нашим сеансом Часы работы , посвященным масштабам и успехам, на нашем канале YouTube . Я слышал это так много раз, что это начинает действовать мне на нервы: «Машинное обучение похоже на Дикий Запад». Я понимаю, отраслевые стандарты скудны. Забудьте об отрасли, даже у команд в одной организации могут быть совершенно разные методологии подхода к системе машинного обучения. Мы..
Оценка неопределенности в моделях машинного обучения — Часть 3
Посмотрите часть 1 ( здесь ) и часть 2 ( здесь ) этой серии. Эта статья изначально была опубликована в блоге Comet. В последней части нашей серии статей об оценке неопределенности мы рассмотрели ограничения таких подходов, как бутстреп для больших моделей, и продемонстрировали, как мы можем оценить неопределенность в прогнозах нейронной сети с помощью MC Dropout . До сих пор подходы, которые мы рассматривали, включали создание вариаций в наборе данных или параметрах модели для оценки..
Создание устойчивых систем кибербезопасности с помощью ИИ
Развитие киберсистем с искусственным интеллектом За последние несколько лет данные выросли в геометрической прогрессии, а сети стали более сложными. Технологии дали нам много удивительных продуктов в этом захватывающем путешествии по цифровым системам, но с появлением быстрой цифровизации число кибератак также возросло, а также возникла необходимость в создании безопасной цифровой системы. Кибербезопасность — это создание безопасных цифровых систем для защиты программного и..
Мониторинг моделей машинного обучения в производственной среде
Введение Мониторинг модели машинного обучения отслеживает производительность и поведение модели машинного обучения с течением времени. Он включает в себя сбор и анализ данных о различных аспектах работы модели, включая ее точность, точность, полноту и оценку F1, а также ее предвзятость , справедливость и стабильность. Основная цель мониторинга модели — гарантировать, что модель остается эффективной и надежной при прогнозировании или принятии решений, даже если данные или среда, в..