Эксперты по данным давно назвали маргинализацию и ограниченное решение проблем одними из самых серьезных проблем, с которыми сталкивается наука о данных . Когда крупные технологические предприятия ищут решения только тех проблем, с которыми они сталкиваются в своей компании и в своих сообществах, это усугубляет неравенство. Но компании, некоммерческие организации и частные лица по всему миру уделяют приоритетное внимание решению таких проблем, как неравенство, бедность, здоровье и т...

Обнаружение аномалий в скоринговой модели машинного обучения Используйте эти статистические методы для обнаружения аномалий временных рядов. Четыре основных навыка, необходимых для машинного обучения Включая математические и компьютерные знания, это четыре основных навыка машинного обучения, которые вам нужны, чтобы начать работу в области ИИ. Почему точность — это еще не все: простое объяснение точности и отзыва В этой статье мы рассмотрим отзыв, точность и среднее..

Поддерживайте актуальность своих навыков с помощью свежих наборов данных Как специалисты по данным, мы должны быть в курсе наших навыков разработчика, даже если мы не являемся разработчиками. В своей повседневной деятельности я возглавляю довольно много специалистов по данным. Эти разработчики зависят от меня, чтобы управлять стратегическим направлением наших усилий в поддержку бизнеса, который мы поддерживаем. Чтобы убедиться, что я могу внести свой вклад в формирование наших..

Алгоритм обучения по временной разнице был представлен Ричардом С. Саттоном в 1988 году. Причина, по которой метод обучения по временной разнице стал популярным, заключалась в том, что он сочетал в себе преимущества динамического программирования и метода Монте-Карло. Но что это за преимущества? Эта статья представляет собой отрывок из книги Судхарсана Равичандирана Глубокое обучение с подкреплением на Python, второе издание — всеобъемлющего руководства для начинающих, которое..

Доклад ODSC West 2018 на тему « Программное обеспечение 2.0 и подводное плавание: за пределами данных, помеченных вручную », представленный доктором философии Алексом Ратнером . студент факультета компьютерных наук Стэнфордского университета обсуждает новый способ эффективного программирования систем машинного обучения с использованием так называемого более слабого контроля и то, как он позволяет экспертам в предметной области, которые ничего не знают о машинном обучении, быстро и..