Часть 4: Поиск сигналов Зарегистрируйтесь для участия в бета-тестировании на сайте http://daytrader.ai , чтобы одними из первых получать данные об акциях, сгенерированные AI. В последнем посте мы обсуждали, как daytrader.ai использует высокоуровневые шаблоны для генерации обучающих данных . В этом посте мы начнем изучать и применять некоторые методы очистки и нормализации данных. Наконец, мы попытаемся найти сигнал в наших данных, используя многослойный персептрон, а затем..

В этой статье мы проведем практическое задание на Kaggle — Google Quest Q&A . Поскольку эта задача является задачей НЛП, в ней используется смешивание преобразователя CNN-LSTM + XLNet. Это решение входит в топ-7% заявок Kaggle. Бизнес-проблема Компьютеры умеют отвечать на вопросы с помощью единственного поддающегося проверке ответа. Например, на вопрос «Кто является премьер-министром Индии?» на google, даст идеальный ответ. Когда дело доходит до ответов на субъективные аспекты..

описание проблемы Программируемый логический контроллер (ПЛК) — это специализированный промышленный компьютер, используемый для управления производственными процессами, включая сборку, машины и роботизированные устройства. Проблема возникает, когда эти устройства обнаруживают ошибки, требующие от операторов ручного поиска ошибки, диагностики проблемы и определения соответствующих корректирующих действий. Чтобы решить эту проблему, можно использовать машинное обучение и обработку..

Тест на токсичность в Slack Channel с использованием таблиц Deephaven в реальном времени. Стейси Серебрякова Deepphaven — это механизм запросов, который превосходно работает с данными в реальном времени. Ученые и разработчики данных используют Deephaven для анализа рынков капитала, блокчейнов, криптовалют, игр, спорта и электронной коммерции. Почему бы не использовать его для решения этических проблем и улучшения климата в организации? Согласно MIT Sloan Management Review ,..

Прогноз спроса на электроэнергию во временных рядах Использование метода декомпозиции и LSTM При анализе данных временных рядов важно проверять лежащие в основе модели, чтобы помочь понять данные и предоставить точные прогнозы. Данные временных рядов обычно состоят из четырех компонентов: Компонент тренд указывает на увеличение или уменьшение данных за длительный период времени. Компонент циклический заставляет данные расти и падать в течение периода времени, который..

В предыдущих сообщениях я рассмотрел сбор данных о ценах, их очистку и создание последовательностей скользящих окон. Следующим шагом в моем проекте прогнозирования акций является обучение модели машинного обучения на этих данных. Я начну с простой линейной модели, а затем перейду к более сложной архитектуре нейронной сети. Создание линейной модели Используя PyTorch, я создал линейную модель, взяв случайную взвешенную комбинацию входных функций: coefs = torch.rand(num_features) #..