Глубокое обучение: разбираемся со свертками
В этой статье мы заглянем под капот сверточных сетей и шаг за шагом разберем механизмы, лежащие в их основе. Проведем аналогии с обычными полносвязными (каждый-к-каждому) сетями. Изучим, как в свертках “накапливаются” визуальные иерархии, что делает их идеально подходящими для извлечения информации из изображений.
Понравился сайт?Поделись с друзьями!
Статистика ВК сообщества "Data Science"
Математика для бизнеса
36 320
72229-ое место по числу подписчиков
8.94%
13.11%
сегодня -1 (0.00%)
за неделю -8 (-0.02%)
за месяц -38 (-0.10%)
Графики роста подписчиков
Лучшие посты
Факторизация в рекомендательных системах. Что такое и с чем её едят?
Рекомендательные системы — это огромнейшая ветвь в науке о данных и машинном обучении. Одна из наиболее популярных методик генерирования рекомендаций это модели, основанные на факторизации матриц. Что такое факторизация ? Какие её способы существуют и применимы к рекомендательным системам ? Как интерпретировать результаты? Автор старается в статье ответить на эти вопросы в максимально простой форме.
Рекомендательные системы — это огромнейшая ветвь в науке о данных и машинном обучении. Одна из наиболее популярных методик генерирования рекомендаций это модели, основанные на факторизации матриц. Что такое факторизация ? Какие её способы существуют и применимы к рекомендательным системам ? Как интерпретировать результаты? Автор старается в статье ответить на эти вопросы в максимально простой форме.
7 библиотек Python для вашего первого проекта по науке о данных.
В этой статье поговорим о библиотеках:
- Pandas
- Numpy
- SciKitLearn
- Keras и PyTorch
- Requests
- Plotly
- ipywidgets
В этой статье поговорим о библиотеках:
- Pandas
- Numpy
- SciKitLearn
- Keras и PyTorch
- Requests
- Plotly
- ipywidgets
Как получить работу, если без опыта никуда не берут?
Рассказываем о стратегиях, которые помогут получить должность в Data Science специалисту без опыта или с небольшим опытом работы в этой отрасли.
P.S. Оформляйте резюме под каждую вакансию отдельно, ставьте на первые места те навыки, которые требуются от кандидата. Опыт можно получить создав свой проект, либо участвуя в небольшом стартапе в качестве стажера.
Рассказываем о стратегиях, которые помогут получить должность в Data Science специалисту без опыта или с небольшим опытом работы в этой отрасли.
P.S. Оформляйте резюме под каждую вакансию отдельно, ставьте на первые места те навыки, которые требуются от кандидата. Опыт можно получить создав свой проект, либо участвуя в небольшом стартапе в качестве стажера.
Black Box
Черный ящик — метафорическое название системы, где пользователь лишь подает данные на входе и, не понимая принципов функционирования ее компонентов, получает данные на выходе.
Черный ящик — метафорическое название системы, где пользователь лишь подает данные на входе и, не понимая принципов функционирования ее компонентов, получает данные на выходе.
Что такое алгоритм «Один против всех» в Apache Spark
Алгоритм «Один против всех» (One vs all или One vs Rest) — это модель, которая предоставляет путь решения бинарной классификации из нескольких возможных решений. В течение обучения модель проходит через последовательность бинарных классификаторов, тренируя каждый их них отвечать на отдельный классификационный вопрос .
Алгоритм «Один против всех» (One vs all или One vs Rest) — это модель, которая предоставляет путь решения бинарной классификации из нескольких возможных решений. В течение обучения модель проходит через последовательность бинарных классификаторов, тренируя каждый их них отвечать на отдельный классификационный вопрос .
Сравниение M1 MacBook Pro и Intel i9 MacBook Pro в работе c Data Science
В этой статье:
- Синтетические тесты Geekbench и Cinebench
- Сравнение производительности Python. Numpy, Pandas, Scikit-Learn
1) MacBook Pro 16 дюймов 2019 г. Intel Core i9–9880H, 16GB RAM, AMD Radeon Pro 5500M (около $3 тыс.)
2) MacBook Pro M1 13 дюймов 2020 г., чип Apple M1, 8 ГБ унифицированной памяти и 8 ядер графического процессора (около $1,3 тыс.)
В этой статье:
- Синтетические тесты Geekbench и Cinebench
- Сравнение производительности Python. Numpy, Pandas, Scikit-Learn
1) MacBook Pro 16 дюймов 2019 г. Intel Core i9–9880H, 16GB RAM, AMD Radeon Pro 5500M (около $3 тыс.)
2) MacBook Pro M1 13 дюймов 2020 г., чип Apple M1, 8 ГБ унифицированной памяти и 8 ядер графического процессора (около $1,3 тыс.)
Создание архитектур кода с помощью функциональных операторов.
Из всех парадигм программирования для науки о данных лучше всего подходит функциональное программирование (ФП). Ключевая концепция функционального программирования — это функция. Отсюда же произошло и название парадигмы.
Из всех парадигм программирования для науки о данных лучше всего подходит функциональное программирование (ФП). Ключевая концепция функционального программирования — это функция. Отсюда же произошло и название парадигмы.