Рубрика «машинное обучение» - 154

в 11:19, , рубрики: big data, c++, Алгоритмы, Занимательные задачки, математика, машинное обучение, ядерная регрессия

Доброго времени суток, уважаемыее! В данной публикации речь пойдет о модели прогноза спроса на товары в сетевых магазинах и ее реализации на C++.

Постановка задачи

Допустим, у нас имеется сеть магазинов, в каждый из которых завозят товары. Товары (для модели прогноза) попадают в каждый магазин произвольным образом. За некий период времени мы имеем статистику — сколько в каждом магазине продано тех или иных товаров. Требуется спрогнозировать продажи товаров за период времени, аналогичный выбранному, для всех магазинов по всем товарам, которые в них не завозились.

Примечания и допущения постановки задачи

  • Товары, завезенные в магазины, не заканчивались за период сбора статистики.
  • Если в магазин завезли новые для него товары (при том, что старые товары остались), продажи не перераспределяться между старыми и новыми товарами. Статистика по старым товарам останется прежней, просто кто-то дополнительно покупает новые товары. Прогнозирование при невыполнении этого условия потребует дополнительных данных о том, как насыщается спрос при увеличении количества товаров.
  • Период, за который собирали статистику, и период, для которого нужно сделать прогноз, идентичны по спросу.

Читать полностью »

в 8:39, , рубрики: big data, data mining, data science, python, Блог компании ID Finance, машинное обучение

image

Привет. В этот раз снова о Data Science. Думаю, многим знакома методология CRISP-DM, о которой говорят на большинстве курсов, но вот про первый пункт (business understanding) информации достаточно мало, в зря, ведь он очень важный.

Поэтому в этой статье мы поговорим о взаимодействии с бизнесом и о том, какие обычно бывают проблемы и сложности в этом вопросе. Давайте разберем все на примере.Читать полностью »

в 7:46, , рубрики: AI, Apache Spark, azure, azure iot, data science, DSVM, h2o, machine learning, microsoft, Microsoft Azure, python, R, spark, Блог компании Microsoft, ИИ, искусственный интеллект, машинное обучение, Питон, Разработка для интернета вещей

Привет! В течение последних нескольких лет интерес к технологиям машинного обучения и искусственного интеллекта быстро рос. Решение H2O.ai становится все более популярным в этой сфере: оно поддерживает быстрые алгоритмы машинного обучения в оперативной памяти и недавно получило поддержку глубокого обучения. Сегодня поговорим о разработке с использованием H2O.

Просто добавь воды: разработка с H2O.ai - 1Читать полностью »

в 6:18, , рубрики: data mining, misspellings, nlp, python, word embedding, Блог компании Singularis, машинное обучение, обработка естественного языка, Семантика

Мы поговорим об использовании модных «Word embedding» не совсем по назначению — а именно для исправления опечаток (строго говоря, и ошибок тоже, но мы предполагаем, что люди грамотные и опечатываются). На хабре была довольно близкая статья, но здесь будет немного о другом.

Исправление опечаток, взгляд сбоку - 1
Визуализация Word2Vec модели, полученная студентом. Обучалась на «Властелине колец». Явно что-то на черном наречии.
Читать полностью »

в 10:53, , рубрики: GAN, Super Resolution, Алгоритмы, машинное обучение, обработка изображений, сверточные нейронные сети, Читальный зал

Сегодня, хочу рассказать об интересном подходе по улучшению качества изображения. Официальное название подхода Super Resolution. Улучшение качества изображения программными методами известно с начала появления цифровых снимков, но в последние 3 года произошёл качественный скачок, вызванный использованием нейронных сетей.

Улучшение качества изображения с помощью нейронной сети - 1

Пример улучшения качества изображения с использованием технологии Super Resolution.
Читать полностью »

в 11:22, , рубрики: машинное обучение, регрессия

Задача алгоритмов искусственного интеллекта обучиться, основываясь на предоставленной выборке, для последующего предсказания данных. Однако, наиболее распространенная задача о которой говорят в большинстве учебниках — это предсказание одного значения, того или иного множества признаков. Что если нам нужно получить обратные данные? То есть, получить определенное количество признаков, основываясь на одном или больше значении.
Читать полностью »

в 7:50, , рубрики: adversarial, autoencoder, deep learning, domain adaptation, machine learning, neural networks, python, pytorch, Блог компании Отус, машинное обучение

Всем привет. Этой статьей я начинаю серию рассказов о состязательный сетях. Как и в предыдущей статье я подготовил соответствующий докер-контейнер в котором уже все готово для того чтобы воспроизвести то что написано здесь ниже. Я не буду копировать весь код из примера сюда, только основные его части, поэтому, для удобства советую иметь его рядом для более простого понимания. Докер контейнер доступен здесь, а ноутбук, utils.py и докерфайл здесь.

Несмотря на то, что фреймворк состязательных сетей был предложен Йеном Гудфеллоу в его уже знаменитой работе Generative Adversarial Networks ключевая идея пришла к нему из работ по доменной адаптации(Domain adaptation), поэтому и начнем мы обсуждение состязательных сетей именно с этой темы.

Представьте, что у вас есть два источниках данных о похожих наборах объектов. Например это могут быть медицинские записи разных социально-демографических групп(мужчины/женщины, взрослые/дети, азиаты/европейцы...). Типичные анализы крови представителей разных групп будут отличаться, поэтому модель, предсказывающая, скажем, риск сердечно-сосудистых заболеваний(ССЗ), обученная на представителях одной выборки не может применяться к представителям другой выборки.

Читать полностью »

в 15:04, , рубрики: data mining, TensorFlow, машинное обучение, обработка изображений

Последние несколько лет в развитии глубоких нейронных сетей происходит настоящая революция: возникают новые архитектуры, совершенствуются фреймворки для разработчиков, а железо для экспериментов можно получить совершенно бесплатно — например, в рамках проекта Google colaboratory. Всем, кому интересно как применить предобученные модели из репозитория Tensorflow Object Detection API к решению своей задачи, используя мощности Colaboratory — добро пожаловать под кат.
Читать полностью »

в 0:43, , рубрики: Marvin Minsky, philtech, Блог компании Philtech-акселератор, боль, искуственный интеллект, Исследования и прогнозы в IT, машинное обучение, Профессиональная литература, филтех, человечность, Читальный зал

Во время хайпа по цифровой экономике и ***чейнам самое время обратить внимание, как привнести «человеческое» в технологии и как технологии помогают понять и улучшить и масштабировать «человеческое». В этом нам поможет суровый Марвин Мински, который своим беспощадным разумом анализирует чувства, эмоции, боль, влюбленности и сознание.

image

Глава 5. Уровни Психической Деятельности

«Мы, очевидно, являемся уникальным видом благодаря способности создавать символы, а также способности контролировать условия нашего существования, используя эти символы. Наша способность представлять и моделировать реальность подразумевает, что мы можем приблизительно оценивать различные порядки (разрядности) бытия и… дает нам ощущение управления собственным опытом».
— Хайнц Паджелс, «Мечты Разума» (The Dreams of Reason)

Ни один человек не обладает силой вола, скрытностью кошки или скоростью антилопы, но наш вид превосходит всех остальных в способности изобретать новые способы мыслить. Мы изготавливаем оружие, одежду и жилища. Мы постоянно развиваем новые формы искусства. Мы непревзойдены в создании новых социальных соглашений, создании сложных законов, которые изначально применяем, а затем ищем всевозможные способы уклониться от них.

Что позволяет нашим умам генерировать так много новых вещей и идей? В этой главе будет предложена схема, которая сводит все наши ресурсы к шести различным уровням процессов.

image

Начиная с просты инстинктивных реакций, каждый последующий уровень строится на предыдущем уровне до тех пор, пока они не будут охватывать процессы, которые задействуют наши самые высокие идеи и личные цели. Для того, чтобы понять зачем нам нужно столь много уровней, давайте вновь рассмотрим пример, который был введён в §4-2.
Читать полностью »

в 7:31, , рубрики: data mining, data science, machine learning, natural language processing, nlp, Блог компании Mail.Ru Group, машинное обучение, Семантический анализ текста

Обработка текстов на естественных языках - 1

Сегодня мы затрагиваем такую интересную тему, как естественные языки. Сейчас в эту область вкладываются очень большие деньги и в ней решают немало разнообразных задач. Она привлекает внимание не только индустрии, но и научного сообщества.
Читать полностью »

1...1020...153154155...160170...259
Главная   |  Архив новостей  |   Android  |   Google  |   Apple  |   Microsoft  |   Информационная безопасность  |   Веб – разработка
Публикации RSS  |  Комментарии RSS
https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js