Публикации по теме 'data-science'
Подавать пример для улучшения общественной жизни
В центре внимания сообщества
Подавать пример для улучшения общественной жизни
Лаборатория искусственного интеллекта лондонского Сити прокладывает путь местным органам власти в Канаде (и за ее пределами) к внедрению машинного обучения.
В серии «В центре внимания сообщества» редакторы TDS беседуют с членами сообщества специалистов по данным о захватывающих инициативах, которые помогают продвигать эту область вперед. Сегодня мы рады поделиться разговором Эллиота Ганна с Мэтом..
Руководство по машинному обучению для абсолютных новичков
Машинное обучение, искусственный интеллект, наука о данных - это модные слова нынешнего поколения, мечта каждого второго подростка. Работа специалиста по данным - самая востребованная в нашем технологически подкованном поколении, и ее нехватка все еще ощущается.
Эта статья не предназначена для того, чтобы сделать вас специалистом по данным на ходу, и она не дает вам секретного рецепта, как «сделать это» в качестве ученого по данным, скорее, она предназначена для новичков, которые..
Вот как я использовал машинное обучение, чтобы предсказать, что Вилланова выиграет Мартовское безумие 2016 года ...
Моя модель машинного обучения точно предсказывала, что Вилланова выиграет чемпионат, принесла мне первое место из 34 в моем офисном пуле, 63 место из 608 в соревновании Kaggle (лучшие 11%) и ~ 123 000 из 13 миллионов в ESPN's . общий рейтинг »(первые 1%).
Я написал об этом пост перед турниром с обещанием, что, если все получится, я сделаю полную рецензию и выпущу код . Я благодарен за то, что все обошлось, и поехали!
Некоторые предостережения:
С этим связано море удачи . Это..
Навигация по картам Java: TreeMap против HashMap против Linked HashMap
Информатику действительно следует называть искусством компромисса. Для любой задачи всегда есть множество решений, и каждое из них может быть «правильным» в зависимости от данного контекста. Этот контекст поможет определить, какие компромиссы предпочтительнее, а от каких лучше держаться подальше.
Хранение пар ключ / значение - это обычная задача программирования, а это, конечно же, требует компромиссов. Ваш инстинкт может побудить вас выбрать ту структуру данных, которая обеспечивает..
Как SnackNation использует машинное обучение, чтобы порекомендовать идеальную закуску, которую вы жаждете…
В SnackNation мы внедряем инновации, чтобы исследовать и понимать предпочтения наших участников, чтобы выбрать лучшую коробку с закусками, чтобы сделать их счастливыми. Большая часть бизнеса SnackNation основана на предоставлении нашим клиентам коробок со здоровыми высококачественными закусками. Поскольку в наши коробки входят 12 различных закусок и существует несколько типов коробок, фундаментальный вопрос, который мы должны постоянно задавать себе, звучит так: «Какие закуски мы должны..
Причинно-следственный вывод, часть 6: Моделирование подъема: мощный инструмент для причинно-следственного вывода в науке о данных
Мощный инструмент для причинно-следственных выводов в науке о данных, понимания его реализации, приложений и передового опыта.
Введение
В науке о данных понимание причинно-следственных связей имеет решающее значение для создания точных прогнозов и принятия эффективных мер. Однако вывод причинно-следственной связи из данных наблюдений может быть сложной и сложной задачей.
Есть несколько ограничений и потенциальных источников смещения, которые необходимо учитывать при попытке..
Как вектор Фидлера используется в машинном обучении, часть 1
Векторы Фидлера с несбалансированными шаблонами знаков (arXiv)
Автор: Суён Ким , Стив Киркланд
Аннотация: При спектральном делении пополам вектор Филдера используется для разделения графа на два связных подграфа в соответствии с его шаблоном знаков. В этой статье мы исследуем графы, имеющие векторы Фидлера с несбалансированными шаблонами знаков, так что в результате разделения могут образоваться два связанных подграфа, заметно отличающихся по размеру. Мы даем характеристику графов,..
