Всего доброго и счастливо оставаться

Автор: -
Ну что ж, вот и пришло время расставания. Я больше не буду вести блог и радовать вас интересными ссылками, своими комментариями и разными интересными размышлениями. Надеюсь, что я действительно вас всех радовал. Ну а так-то любой всегда может найти в Телеграме.

Всем счастливо оставаться.

Комментарии

Отправить комментарий

Популярные сообщения из этого блога

Подготовка данных для алгоритмов машинного обучения

Автор: -
Изображение
Описание стека и некоторые вводные В нашей статье мы будем использовать язык программирования python с сопутствующими ему библиотеки ( sklearn, matplotlib, seaborn ) и в качестве среды для работы jupyter notebook . Цель текущего поста - показать общие подходы к подготовке данных. То есть, те манипуляции, которые необходимо совершить перед загрузкой данных в модель машинного обучения. В идеальном мире у вас будет абсолютно чистый датасет без выбросов или пропущенных значений. Однако в реальном мире такие наборы данных встречаются крайне редко. Далее будем рассматривать данные из Kaggle: " Mental Health in Tech Survey ". Первый взгляд на датасет и понимание его специфики Трудно работать с данными, не понимая, что они из себя представляют, поэтому давайте их загрузим и выведем некоторые статистики. import pand as as pd import numpy as np df = pd . read_csv( "survey.csv" ) df . head () Это даст нам первое представление о том, что есть наши дан
Далее...

Выбор метрики в машинном обучении

Автор: -
Изображение
Как выбрать метрики для валидации результата Machine Learning  Главные шаги по выбору метрики  Следует заметить, что метрика, которую мы оптимизируем и метрика, по которой определяем качество модели, - как правило, разные. Ниже рассмотрим метрики, которые мы в том или ином виде можем оптимизировать непосредственно в модели. За метрики, которыми мы оцениваем результат работы модели, можно принять исходные бизнес-метрики. Понимание бизнес задачи Из исходных предпосылок нужно выделить, какого типа задачу мы решаем. Основные типы задач: Классификация. Ваш алгоритм будет предсказывать тип данных из заданного множества. Например говорить да/нет/не уверен.  Регрессия. Алгоритм будет предсказывать какие-либо числа. Например, завтрашнюю температуру.  Ранжирование. Модель будет предсказывать порядок элементов. Например, нам дали учебный класс и мы должны проранжировать учеников по росту, то есть, упорядочить их от самого высокого, до самого низкого. Мы решаем задачу нахождени
Далее...

Встречайте церковь «Путь будущего»

Автор: -
А вы уже читали про то, что создана церковь поклонения ИскИну (ИскИн, в отличие от ИИ, — это самоосознающее искусственное существо)? Один из ведущих мировых экспертов в области Искусственного Интеллекта Энтони Левандовски основал церковь «Путь Будущего» («Way of the Future»). При этом своей мотивацией говорит очень банальную вещь: «Сверхчеловеческий интеллект в конце концов появится, и лучше бы нам уже сейчас заниматься его задабриванием». Это напоминает мне аргумент Блёза Паскаля о вере — дескать лучше верить в бога, потому что если бога нет, то и ничего страшного, а если есть, то лучше бы верить :). Ну да ладно, журнал WIRED опубликовал целое интервью персонажа. В общем, почитайте интервью, там много всего интересного. Занятные тезисы: Мы уже сейчас выращиваем будущего бога, поэтому было бы здорово участвовать в этом процессе — и этот тезис очень мне лично близок, поскольку если ИскИн действительно когда-нибудь появится (а фундаментальных препятствий для этого нет), то он буде
Далее...