Machine Learning/Data Mining/Big Data — TechCave

Машинное обучение (англ Machine Learning) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извлекающа

Machine Learning/Data Mining/Big Data

Машинное обучение (англ Machine Learning) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извлекающая знания из данных.

Data Mining (рус. добыча данных, интеллектуальный анализ данных, глубинный анализ данных) — собирательное название, используемое для обозначения совокупности методов обнаружения в данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.

Стена группы

Загрузка...
8 месяцев назад
#

В.Игловиков — о сегментации, Kaggle и вообще жизни


Слайды — http://slides.com/vladimiriglovikov/t...

Загрузка...
8 месяцев назад
#

Использование Grafana с IoT-платформой DeviceHive





Авторы: Игорь Трамбовецкий, Developer; Николай Хабаров, Embedded Expert

Платформа
DeviceHive содержит множество различных компонентов, включая плагин
Grafana. Он может собирать данные с сервера DeviceHive и отображать их с помощью различных информационных панелей, используя популярный инструмент Grafana. В этой статье я объясню, как создать дашборд Grafana с DeviceHive, а в качестве примера использую аналоговый вход чипа ESP8266 для визуализации напряжения на нем.



Источник
Загрузка...
Den
8 месяцев назад
#

Руководство по аналитике для основателя стартапа





Вам нужна аналитика.
Я совершенно уверен в этом, потому что сегодня всем нужна аналитика. Не только продуктовой команде, не только маркетингу или финансам, но и продажам, доставке, сегодня каждому в стартапе нужна аналитика. Аналитика помогает принимать все решения, от стратегических до тактических, как управляющим, так и рядовым сотрудникам.



Это пост о том, как создать аналитику в вашей организации. Речь пойдёт не о том, какие метрики отслеживать (об этом уже написано много хороших постов), а о том, как сделать так, чтобы ваш бизнес их генерировал. На практике выясняется, что на вопрос реализации —  как мне построить бизнес, который добывает данные для принятия решений? —  ответить гораздо труднее.



Источник
Загрузка...
Den
8 месяцев назад
#

KDB



кдвп



Привет, Хабр !



В статье я опишу идею хранения в достаточно известной колоночной базе данных KDB, а так же примеры того, как к этим данным обращаться. База существует еще с 2001 года, и на данный момент занимает высокие места на сайтах со сравнением подобных систем (см., например, тут)



Источник
Загрузка...
8 месяцев назад
#

Парсим мемы в питоне: как обойти серверную блокировку



Новогодние праздники — прекрасный повод попрокрастинировать в уютной домашней обстановке и вспомнить дорогие сердцу мемы из 2k17, уходящие навсегда, как совесть Electronic Arts.





Однако даже обильно сдобренная салатами совесть иногда просыпалась и требовала хоть немного взять себя в руки и заняться полезной деятельностью. Поэтому мы совместили приятное с полезным и на примере любимых мемов посмотрели, как можно спарсить себе небольшую базу
данных, попутно обходя всевозможные блокировки, ловушки и ограничения, расставленные сервером на нашем пути. Всех заинтересованных любезно приглашаем под кат.



Источник
Загрузка...
8 месяцев назад
#

Сети и соседи: методы выживания машинного обучения в “дикой природе”. Открытый семинар AI@MIPT



image

Привет, Хабр! 22 января в 18:30 на Физтехе состоится очередная встреча из цикла семинаров по искусственному интеллекту. Приглашаем вас прокачаться и познакомиться с атмосферой Физтеха smile
Михаил Биленко, руководитель подразделения Machine Intelligence and Research в Яндексе и координатор деятельности исследовательской группы Яндекса в МФТИ, расскажет об уникальных отличиях академического и технологического машинного обучения. Семинар пройдет в 107 аудитории Биокорпуса МФТИ, зарегистрироваться можно
тут (не забудьте взять паспорт).

Источник
Загрузка...
8 месяцев назад
#

Основы построения рекомендательных систем


Загрузка...
8 месяцев назад
#

Квартирник — Deep Learning на пальцах


Выступление на квартнике в Сан-Франциско, друзья попросили помахать руками и рассказать, что такое Deep Learning на пальцах.

Для просмотра знать про machine learning, deep learning и все эти слова не надо.

Организация, видео, аудио и монтаж: David Beholder
Слайды, мемы, плохие шутки: ваш покорный слуга

Загрузка...
8 месяцев назад
#

Hands-On Programming With R — Garrett Grolemund



Полный перевод книги Hands-on Programming With R — Garrett Grolemund на русский язык.



Приятного чтения!

Источник
Загрузка...
8 месяцев назад
#

Обучаемый Telegram чат-бот с ИИ в 30 строчек кода на Python



image

Сегодня мне в голову стукнула мысль: «А почему бы не написать Telegram чат-бота с ИИ, которого потом можно будет обучать?»

Источник
Загрузка...
8 месяцев назад
#

Тонкости резюме в немецкие IT компании. Часть 1



Приветствую всех талантливых программистов, веб-разработчиков, дизайнеров и просто коллег IT сферы, которые по любым причинам ищут информацию о Германии и работе в этой стране.

Источник
Загрузка...
8 месяцев назад
#

Как обучть мдль пнмть упртые скрщня



Недавно я натолкнулся на вопрос на Stackoverflow, как восстанавливать исходные слова из сокращений: например, из wtrbtl получать water bottle, а из bsktballbasketball. В вопросе было дополнительное усложнение: полного словаря всех возможных исходных слов нет, т.е. алгоритм должен быть в состоянии придумывать новые слова.



Вопрос меня заинтриговал, и я полез разбираться, какие алгоритмы и математика лежат в основе современных опечаточников (spell-checkers). Оказалось, что хороший опечаточник можно собрать из n-граммной языковой модели, модели вероятности искажений слов, и жадного алгоритма поиска по лучу (beam search). Вся конструкция вместе называется модель зашумлённого канала (noisy channel).



Вооружившись этими знаниями и Питоном, я за вечер создал с нуля модельку, способную, обучившись на тексте «Властелина колец» (!), распознавать сокращения вполне современных спортивных терминов.





Источник
Загрузка...
8 месяцев назад
#

Паблик «Щастьематринства» и его небольшое статистическое исследование



Введение (январь 2018)

Иногда люди берутся за дела с которыми сами справиться не могут. И я не исключение.

Есть такая интересная группа ВК —
#щастьематеринства(
https://vk.com/zaiki_luzhaiki ). Она представляет из себя один из самых феерических источников грубого реализма. Если вы хотите разочароваться в семье, детях, мужьях и всем чем угодно, вам туда. Экзистенциальный кризис вам обеспечен(хотя бы фактом того, что там пишут по 15 постов в день и это настоящие люди). И, конечно, этим паблик и во многом привлекателен.

В какой-то момент у меня и жены, которая работает
перинатальным психологом, возник интерес в исследовании того, что в этом паблике происходит. Например, наложить банальные статистические методы на содержание паблика, а вдруг чего интересного там есть. Особенно хотелось сделать какой-нибудь громкий вывод. Дескать паблик помогает людям… Или паблик рождает в людях ненависть… Или еще что-то такое выразительное.



Источник
Загрузка...
8 месяцев назад
#

Тонкая настройка нейронной сети | Глубокие нейронные сети на Python


Лекция по тонкой настройке (fine tuning) нейронной сети.
Страница курса — https://www.asozykin.ru/courses/nnpython

Тонкая настройка (fine tining) нейронной сети — это дообучение предварительно обученной части нейронной сети для решения других задач. Используется в процессе переноса обучения (transfer learning) для повышения качества работы сети.

Рассматривается пример тонкой настройки сети VGG16 для распознавания котов и собак на фотографиях — https://www.kaggle.com/c/dogs-vs-cats

После обучения нового классификатора, размораживается последний сверточный блок сети VGG16, который также обучается на фотографиях собак и кошек.

Для тонкой настройки обязательно использовать небольшео значение параметра скорости обучения (learning rate), в протином случае предварительно обученная сеть будет испорчена.

Загрузка...
8 месяцев назад
#

320+ Partners Developing on NVIDIA DRIVE


Загрузка...
37 38 40 41

Авторизация

Пользователи

Keyleas
Kirby
Имя Фамилия
lunchcalllina1978
Sever
stopresniebots1983
tekino
templide
Seangle