Публикации по теме 'ml-so-good'


Эффективное использование случайности в глубоком обучении
Почему это хорошо для DataAugmentation, а не для выбора функций Я большой сторонник введения шума и случайности в ваши тренировочные данные. Я считаю, что преимущества производительности, возможности обобщения и надежности слишком хороши, чтобы их игнорировать . Таким образом, я много писал/говорил об этом в своем контенте. Недавно ко мне обратился мой читатель с интересным вопросом. Он хотел знать, почему такая случайность возникает в таких аспектах, как увеличение данных, а не в..
LLaMA от META: маленькая языковая модель побеждает гигантов
| ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ | ЯЗЫКОВЫЕ МОДЕЛИ | ОТКРЫТЫЙ ИСТОЧНИК LLaMA от META: маленькая языковая модель побеждает гигантов Модель с открытым исходным кодом META поможет нам понять, как возникают предубеждения LM. Большие модели продемонстрировали творческие способности, чтобы решать математические задачи (или даже предлагать новые математические теоремы) и…
Целующиеся нейронные сети
Упрощение и улучшение прямого распространения Публикация этого на Рождество, где-то здесь есть шутка про омелу. До сих пор мы определили, что такое нейронные сети и что они делают, а затем перешли на уровень глубже и объяснили, как работает глубокое обучение — во всяком случае, в теории — с точки зрения того, как значение данных оценивается и преобразуется по мере его работы. свой путь вперед через сеть. Теперь, прежде чем мы на самом деле рассмотрим сквозной пример, давайте обсудим..
Актуальные вопросы машинного обучения — 7
статистика и оптимизация Вопросы Достаточно ли при выполнении EDA для нового набора данных просто взглянуть на несколько сводных статистических данных, например, среднее значение, дисперсию, корреляцию и т. д.? Что может пойти не так, если мы будем слишком полагаться на эту поверхностную сводную статистику? Назовите любую другую альтернативу градиентному спуску для оптимизации.
Обучение YOLOv4 в Google Colab
Использование графических процессоров Google Colab для ускорения обучения YOLOv4. ИИ для нищих, скряг и скряг Не заблуждайтесь — ИИ чрезвычайно энергоемкий . Новейшие модели ИИ требуют не только большого количества электроэнергии для работы, но и оптимального оборудования, такого как выделенные графические процессоры, для быстрой работы. Это ставит в невыгодное положение нищих, скряг и скряг, у которых нет доступа к специальной установке для глубокого обучения или платному..
Простое объяснение логистической регрессии за 5 минут
Простое и нежное введение в логистическую регрессию с кодом Python и рабочим примером Всем привет. Спасибо за интерес к моей статье. Давайте начнем! 1. Краткое введение
Кейс для компании CDN, которая хочет добавить ML, чтобы улучшить процесс принятия решений
Базовая модель Пример компании CDN, которая хочет добавить ML для улучшения процесса принятия решений Это была моя тестовая оценка на собеседовании для компании CDN Описание задачи Мы хотели бы разработать инструмент, который поможет нам расширить нашу сеть за счет дополнительных серверов, размещенных в центре обработки данных, что максимально улучшит нашу глобальную задержку. Доступные точки данных: Расположение дата-центров Информация о задержке пользователя и т. д. Цель..