Публикации по теме 'data-science'
Само-внимание Трансформера
ТРАНСФОРМАТОР
Самоанализ
Почему внимание — это все, что вам нужно?
В 2017 году Васвани и соавт. опубликовал статью под названием «Внимание — это все, что вам нужно» для конференции NeurIPS. Архитектура преобразователя не использует повторения или свертки. Он опирается исключительно на механизмы внимания.
В этой статье мы обсудим механизмы внимания в преобразователе:
Подробное объяснение эволюции сетей классификации изображений
В последние годы в области глубокого обучения произошел беспрецедентный прогресс, вызванный желанием имитировать сложную работу человеческого мозга. По своей сути глубокое обучение направлено на воспроизведение способности мозга обрабатывать информацию из различных источников и получать значимые идеи. Это глубокое вдохновение привело к разработке новых архитектур, которые не только позволяют решать сложные задачи, но и раскрывают более глубокие уровни представления данных. В результате..
Понимание tf.data.Dataset.interleave()
Мне было трудно просмотреть документацию по чередованию и понять, как это работает, поэтому я подумал о написании этого блога, который проясняет понимание API чередования. Надеюсь, это поможет развеять сомнения.
Давайте следовать примеру в документации:
Вывод вышеуказанной программы выглядит следующим образом:
[ 1, 1, 1, 1,
2, 2, 2, 2
1, 1,
2, 2,
3, 3, 3, 3,
4, 4, 4, 4,
3, 3,
4, 4,
5, 5, 5, 5,
5, 5]
· Длина цикла = 2
Будет 2 элемента ввода, которые будут..
Запуск ноутбуков Jupyter в контейнерах Docker
Проект с SageMaker Studio Lab и Docker
Цель этого поста — запустить рабочий процесс обработки данных на AWS, а затем отправить его с помощью Docker, тем самым создав сквозную задачу машинного обучения.
Кроме того, я буду уделять больше внимания тому, как докеризировать проект по науке о данных, а не тому, почему этот проект крут . При этом существует множество преимуществ использования Docker :
Портативность Производительность Ловкость Изоляция Масштабируемость
С другой..
Раскрывая силу данных: проект прогнозирования продаж в Favorita
Раскройте потенциал данных: проект прогнозирования продаж в Favorita
Введение:
В условиях жесткой конкуренции в сфере розничной торговли успех зависит от способности принимать решения на основе данных. Для Favorita, одного из ведущих продуктовых ритейлеров Эквадора, использование возможностей анализа данных и машинного обучения является ключом к тому, чтобы оставаться впереди всех. Эта статья отправит вас в захватывающее путешествие, поскольку мы отправляемся на поиски полного..
5 книг, которые должен прочитать каждый специалист по анализу данных в 2021 году
5 книг, которые должен прочитать каждый специалист по анализу данных в 2021 году
Не знаете, что добавить в свой список для чтения на 2021 год? Придерживайтесь самого необходимого.
Справочник по науке о данных
Эта книга обязательно должна быть на полке каждого специалиста по данным: она содержит интервью с 25 специалистами по данным из разных компаний, отраслей и уровней опыта. Они дадут вам ценную информацию о том, как спланировать свою карьеру в долгосрочной перспективе, в..
Прогнозирование временных рядов: прогнозирование цен на акции с использованием модели LSTM
Визуализация данных , Глубокое обучение
Прогнозирование временных рядов: прогнозирование цен на акции с использованием модели LSTM
В этом посте я покажу вам, как прогнозировать цены на акции, используя модель прогнозирования LSTM.
1. Введение
1.1. Временные ряды и модели прогнозирования
Традиционно большинство моделей машинного обучения (ML) используют некоторые наблюдения (образцы / примеры), но в данных отсутствует измерение времени .
Модели прогнозирования временных..