数据科学教程

     

为什么机器学习模型会越来越糟? - Santiago

1011

当完成了机器学习模型的构建并且部署了。不幸的是,工作并没有完成。可以说,您只走了一半,机器学习模型的性能会随着时间的推移而降低。机器学习模型的快速入门:x->y: x:输入数据 y:输出预测 ->:模.

幽默:Lemonade机器学习算法可对保险风险预测

981

Lemonade建立在数字载体上:使用机器人和机器学习来使得保险变得即时,无缝和令人愉悦。这是因为Lemonade处于数据优势上:实际上,Lemonade收集的数据比传统保险公司多100倍:典型的房主.

企业AI项目为啥会失败?

955

企业人工智能机器学习项目失败几个原因:第一. 不深刻理解自己的业务,导致以为人工智能是纯算法,与业务数据无关:与软件工程项目不同,AI的基本单元不是代码行,而是代码和数据。在企业中,数据通常属于特定业.

自然语言处理NLP七种术语的教程入门资源

1164

在解决任何NLP问题之前,需要深入了解7个术语: 1.标记化Tokenization这是将整个文本分成小标记的过程,切分是基于两个基础,即句子和单词。最佳教程:什么是自然语言处理(NLP)中的标记化?.

SQL与Pandas大数据分析性能对比(Haki Benita)

3246

Pandas熊猫是一种非常流行的数据分析工具。它内置了许多有用的功能,经过了实战测试并被广泛接受。但是,熊猫并不一定总是工作的最佳工具。SQL数据库自1970年代就已经存在。世界上一些最聪明的人致力于.

数学家竟然借助神经网络求解世界上最难的方程式?

1741

这是来自 quantamagazine的一篇报道,当前使用人工智能的深度神经网络求解数学中偏微分方程的整个族,从而使得数学对复杂系统的建模更加容易,并且速度更快。 很难求解的方程式高中物理学中,我们通.

训练机器学习的数据集大小很重要 - svpino

2244 2K

训练神经网络的示例数量是我们可以用来影响训练过程的基本工具。在机器学习术语中,我们称其为“批大小batch size”。批batch不过是将一组示例封装成类似数组的结构而已。 首先,一些背景知识我们不.

幽默:AI大数据的真正意思是... - amber

917

大数据是首字母缩写词。它代表:(B)egin开始(I)nstantly立即(G)crying哭喊(D)because因为你(A)花了你所有的(T)Time时间(A)cleaning data清理数据 .

编程已死?数据胜出!

1236 2

过去,程序代码一直是构建软件时的主要重点。但是机器学习系统改变了范式:代码仅扮演次要角色,而“数据”成为主要角色。了解如何产生、收集、管理和解释数据的个人将拥有未来。 - svpino 网友讨论:模型.

lakeFS:实现类似于Git或事件溯源ES的对象存储功能

2503 1

lakeFS是一个开放源代码层,可为基于对象存储的数据湖提供弹性和可管理性。借助lakeFS,您可以构建可重复的,原子的和版本化的数据湖操作-从复杂的ETL作业到数据科学和分析。lakeFS支持将AW.

优步如何分析利用它们的大数据?

995 2K
Uber通过推动数十亿次打车数据,为数百万的司机,企业,餐馆和快递员提供动力,从而彻底改变了世界的生活方式。这个庞大的运输平台的核心是大数据和数据科学,可为Uber所做的一切提供支持,例如更好的定价和.

机器学习中最重要的突破之一:重用一种模型知识的转移学习 (svpono)

1062 1

重用一种模型的知识并使其适应不同问题的能力是机器学习中最重要的突破之一:深度学习模型就像一个乐高模块集,将许多模块连接在一起,形成一个长结构。这些模块是机器学习中的层,每一层都有责任。尽管我们不清楚每.

电信中的十大数据科学用例 -KDnuggets

1002 2K

随着时间的流逝,数据科学已经证明了其高价值和高效率。数据科学家发现越来越多的新方法在日常生活中实施大数据解决方案。如今,数据已成为成功公司所需的燃料。电信公司也不例外。由于这些情况,他们承受不起不使用.

什么时候使用深度学习? - madelinecaples

1087 2K
如果简单的机器学习方法可以令人满意地解决您的问题,则没有太多理由使用神经网络,因为训练它们在时间和计算能力方面往往很昂贵。对于传统的机器学习方法而言,最有效的问题是涉及结构化数据,这些数据即是已经被理.

国外各大互联网巨头的推荐算法和系统设计 - theinsaneapp

2933 1 6K
本文个人研究。有些内容可能并非100%准确,但我已尽力保持其准确性,信息量和价值。 1. Uber系统设计Uber的技术可能看起来很简单,但是当用户从应用程序请求乘车,而驾驶员到达将他们带到目的地时,.