Публикации по теме 'linear-algebra'
Создание нейронной сети с нуля, часть 1: прогнозирование
Машинное обучение стало неотъемлемой частью нашей повседневной жизни. Машинное обучение позволяет использовать современные беспилотные автомобили, помогает прогнозировать сердечные заболевания и многое другое. Даже самые популярные фильтры Snapchat построены на алгоритмах распознавания лиц. Кроме того, разработка моделей машинного обучения становится все проще с помощью таких простых в использовании инструментов, как scikit-learn, Tensorflow, Keras и обучаемая машина Google.
Одно..
Изображение и соответствующее вращение метки с использованием Python
Я хотел бы предоставить небольшую предысторию, прежде чем углубляться в тему, чтобы предложить лучшее понимание. Во время летней стажировки я столкнулся с тривиальной, но сложной задачей. Я работаю с изображениями, метки которых представляют собой координаты 4 точек, ограничивающих многоугольник (псевдопрямоугольник) в данном изображении {( x₁ , y₁ ), ( x ₂, y ₂), ( x ₃, y ₃), ( x ₄, г ₄)}.
Изображения, используемые в этой статье, не являются настоящими паспортами; они предназначены..
Низкоранговая аппроксимация СВД для картинок (сжать бороду Маркса каким-то неэффективным способом)
Ну, об этом было написано тонны постов. Это не будет «еще один». Но я все равно реализовал это, просто для удовольствия. Я не буду объяснять теоретическую часть, но предложу несколько ссылок по этому поводу.
Почему важна СВД и стоит потратить время на ее понимание? Если вы хотите понять, как работает анализ основных компонентов (PCS) в машинном обучении или где-либо еще, вы должны понимать декомпозицию по сингулярным значениям (SVD) матрицы.
Хорошая демонстрация:..
Неотрицательная матричная факторизация (NMF)
Представьте, что мы на пляже и набираем горсть сухого песка, как делали это в старые добрые времена, когда были детьми. Однако, будучи взрослым, давайте посмотрим на образец под микроскопом, ничего слишком мощного не требуется. Мы неизменно будем замечать в образце сотни тысяч различных компонентов — раковины различных форм и размеров, обломки горных пород, такие минералы, как кварц, полевой шпат, слюда и так далее.
Но наш мозг быстро отличает частицы песка, какими бы разнообразными..
Какова роль математики в науке о данных
Наука о данных, часть 5: Изучение роли математики в области науки о данных.
Сегодня я расскажу о математике.
Посмотрите на дорожную карту 2020 ниже, чтобы стать специалистом по данным. Математика (алгебра, исчисление, оптимизация и функции) является основой науки о данных. Вы наверняка слышали, как люди говорят, что модели ML/DL подобны черным ящикам. Но это не так. Просто мы не приложили достаточно усилий, чтобы понять математику под капотом. Нам не нужно становиться мастерами..
Профессор Гил Стрэнг, легендарный профессор Массачусетского технологического института, читает свою последнюю лекцию
В памятный день, который навсегда останется в анналах математического образования, профессор Гил Стрэнг, легендарная фигура в области линейной алгебры, прочитал свою последнюю лекцию перед переполненной аудиторией.
Это событие было отмечено не только кульминацией блестящей карьеры, охватывающей несколько десятилетий, но и бурными аплодисментами и стоянием…
Изучение социальных предубеждений в ИИ: подход линейной алгебры к обнаружению и исправлению предубеждений
«Ключом к искусственному интеллекту всегда было представление». — Джефф Хокинс
В этом посте я опираюсь на идеи Эндрю Нг и Толги Болукбаси и использую их
Задний план
ИИ готов стать одним из самых мощных инструментов, созданных людьми, и во многом уже им стал. Однако любая технология, созданная людьми, подвержена тем же недостаткам, что и мы, если не будут приняты особые меры предосторожности. Действительно, уже известно, что в ИИ существуют недостатки, а именно то, что ИИ..
