Публикации по теме 'data-science'


Основные обновления самых популярных фреймворков Data Science в 2019 году
На этот раз в прошлом году мы представили вам подробный отчет обо всех важных обновлениях для популярных фреймворков в области науки о данных (машинное обучение и глубокое обучение) за 2018 год. Разработчики этих фреймворков продолжают ускоренными темпами вводить новшества. Специалистам по обработке данных требуются более мощные инструменты, чтобы выполнять работу быстрее и эффективнее, учитывая острую нехватку навыков в области науки о данных. Идея состоит в том, что с помощью более..
Введение в машинное обучение, часть 2
написано Стивеном Уилсоном В последнем посте мы представили метрику, называемую среднеквадратичной ошибкой (или RMSE), которая является метрикой, обычно используемой в линейной регрессии, и которая позволяет нам получить общее представление о том, насколько хорошо регрессионная модель может аппроксимировать данные обучения. Мы также представили некоторые руководящие принципы, необходимые для построения системы машинного обучения, а именно: · Предоставление системе некоторых..
Резюме машинного обучения
Машинное обучение в сводке Машинное обучение сделало возможным внедрение различных компьютерных инноваций в различные процессы автоматизации по всему миру. Машинное обучение - это изучение и использование вычислительной статистики и математических функций для прогнозирования и принятия решений без «явного программирования для этого». Эти алгоритмы используются для разработки моделей на основе известного набора данных или выборки данных. Этот образец данных известен как «обучающие..
Стоит выучить Юлию?
МНЕНИЕ Стоит ли выучить Юлию? Хорош ли высокопроизводительный ребенок Python и MATLAB? Julia - это новейший на данный момент язык "оно", поэтому я решил попробовать. Вопрос в том, стоит ли что-то добавить в арсенал дата-сайентиста? Установка Первое, что нужно знать о Джулии, это то, что ее было легко загрузить и использовать (во всяком случае, на Mac, удачи пользователям Windows). Также было несложно установить ядро, чтобы оно могло работать в ноутбуках Jupyter. Синтаксис..
Два быстрых кусочка — видео и учебник
Вчера я нашел два небольших кусочка информации, которые я начну углублять в течение следующих нескольких дней, но которые я подумал, что было бы полезно поделиться с другими изучающими науку о данных, такими как я: Кэсси Козырков делает отличный доклад о машинном обучении, в котором сжаты многие ключевые сообщения и аналогии ее недавних сообщений в блоге , которые я читал, и подкрепляется логика, которой я следую, что вы не нужно быть волшебником математики или быть экспертом в..
Корреляция Пирсона
Корреляция Пирсона — это метод выбора признаков. Он показывает направление и силу между зависимыми и независимыми переменными. Этот метод лучше всего подходит, когда существует линейная связь между зависимым и независимым. Его значение находится в диапазоне от -1 до 1 . -1 означает, что существует сильная связь между зависимым и независимым. 0 означает, что между зависимым и независимым вообще нет связи. 1 означает, что существует сильная положительная связь между зависимым и..
Как сбалансировать работу и узнать больше о науке о данных
Наука о данных - очень требовательная профессия, потому что технологии развиваются такими ускоренными темпами. Специалистам по обработке данных всегда необходимо узнавать о новых инструментах, языках , пакетах, обновлениях , результатах исследований и т. Д. в результате трудно выполнять свою работу по 40 часов в неделю, а также постоянно учиться и совершенствовать свои навыки. Как справиться с этой потребностью в постоянном самосовершенствовании? Как найти время для себя и..