64 истории об учебниках по машинному обучению, которые стоит узнать
1 февраля 2024 г.Давайте узнаем о руководствах по машинному обучению из этих 64 бесплатных историй. Они упорядочены по времени чтения, созданного на HackerNoon. Посетите /Learn Repo, чтобы найти самые читаемые истории о любой технологии.
1. 9 лучших бесплатных руководств по машинному обучению (ML) для начинающих
В этом посте представлен обзор лучших бесплатных руководств по машинному обучению для начинающих.
2. Голанг в машинном обучении
Можно ли использовать Golang в машинном обучении? В статье вы узнаете преимущества и недостатки использования языка Go в машинном обучении
3. Как создать систему поиска изображений для поиска похожих изображений
Прочитав эту статью, вы сможете с нуля создать поисковую систему по похожим изображениям для вашей цели
4. Победите жару с помощью шпаргалки по машинному обучению
Если вы новичок и только начали заниматься машинным обучением или даже программист среднего уровня, возможно, вы застряли в том, как решить эту проблему. С чего начать? и куда ты пойдешь дальше?
5. Как использовать машинное обучение для повышения эффективности AdWords
Недавние проблемы, связанные с расовым неравенством в Соединенных Штатах, привели к прямым действиям и в мире цифрового маркетинга. Все больше компаний приостанавливают свои рекламные кампании в Facebook из-за бездействия социальной сети в отношении дискриминации и разжигания ненависти.
6. Автоматический выбор функций в Python: основное руководство
Выбор объектов в Python — это процесс, в котором вы автоматически или вручную выбираете объекты в наборе данных, которые больше всего способствуют вашему прогнозу.
7. Как сравнить сходство документов с помощью методов Python и NLP
В этом посте мы собираемся создать веб-приложение, которое будет сравнивать сходство двух документов. Мы изучим самые основы обработки естественного языка (НЛП) — раздела искусственного интеллекта, который занимается взаимодействием между компьютерами и людьми с использованием естественного языка.
8. Основное руководство по преобразованию текста в речь Python с использованием библиотеки pyttsx3
По сути, мы хотим передать нашей программе некоторый фрагмент текста, и она преобразует этот текст в речь и прочитает ее нам.
9. Четыре типа машинного обучения | Часть 2
В предыдущем посте мы рассмотрели первые два типа машинного обучения. В этом посте мы обсудим два других типа машинного обучения. Это — Полу-су
10. Pycaret: более быстрый способ создания моделей машинного обучения
Pycaret – это библиотека Python с открытым исходным кодом, предназначенная для автоматизации разработки моделей машинного обучения.
11. Оценка моделей регрессии в машинном обучении
Оценка модели очень важна, поскольку нам необходимо понять, насколько хорошо работает наша модель.
12. Передача стиля изображения и преобразование видео в EbSynth
13. Создайте графический интерфейс для своих моделей машинного обучения
Как создать крутой графический интерфейс для ваших моделей машинного обучения с помощью Gradio, чтобы вы могли легко и эффективно визуализировать свои модели, чтобы люди могли их понять.
14. Набор данных Kinetics — модели обучения и оценки для классификации видео
Руководство по использованию инструмента с открытым исходным кодом FiftyOne для загрузки набора данных Kinetics и оценки моделей понимания видео
15. Как я проходил собеседования по машинному обучению в FAANG в качестве инженера по машинному обучению
Проведение собеседования по машинному обучению в таких компаниях, как Facebook, Google, Netflix, Snap и т. д., на самом деле сводится к выявлению нескольких закономерностей, которые ищут FAANG.
16. Как эффективно обучать модели компьютерного зрения
Отправной точкой создания успешного приложения компьютерного зрения является модель. Обучение модели компьютерного зрения может занять много времени и проблем, если у вас нет опыта в области науки о данных. Тем не менее, это требование для индивидуальных приложений.
17. Охота за данными: создание набора данных компьютерного зрения для безопасности дорожного движения
В этой статье я хотел бы поделиться собственным опытом разработки умной камеры для велосипедистов с продвинутым алгоритмом компьютерного зрения
18. Почему и как мы разделяем набор данных
Набор данных — одна из важных частей проекта машинного обучения. Без данных машинное обучение — это просто машина, а обучение вычеркнуто из названия. Что
19. Четыре типа машинного обучения
Существует три типа машинного обучения. Изначально их было три, но позже тип добавил в ряды типов машинного обучения еще один. Таким образом, всего
20. Что такое деревья решений в машинном обучении?
Научитесь измерять эффективность ваших регрессионных моделей — руководство Берка Хакбилена
21. Искусственный интеллект (ИИ) и машинное обучение (ML) – руководство для начинающих
Если вы новичок в мире искусственного интеллекта и машинного обучения, это руководство поможет вам развеять сомнения между обеими областями.
22. Развертывание моделей компьютерного зрения с помощью сервера вывода Triton
Существует множество курсов по машинному обучению, и мы довольно хорошо умеем моделировать и повышать точность или другие показатели.
23. 70-страничный отчет о наборе данных COCO и обнаружении объектов [Часть 1]
Быстро находите общие ресурсы и/или активы для данного набора данных и конкретной задачи, в данном случае dataset=COCO, задача=обнаружение объекта
24. Как перенести художественный стиль на любое изображение
Машинное обучение и искусственный интеллект уже много лет находятся в моем поле зрения, но скорее как концепции и «вещи, о которых мне следует знать». Я не чувствовал, что у меня есть свободное время или навыки, чтобы вникать в это. Однако за последние несколько месяцев мое отношение к машинному обучению изменилось. Я видел, как новые и более простые инструменты стали доступны публике. В этом посте я расскажу вам, как перенести художественный стиль на любое изображение с помощью некоторых из этих инструментов.
25. 8 лучших авторов контента, посвященного машинному обучению, на YouTube
Вот лучшие создатели контента по машинному обучению на YouTube, за которыми можно следить за обучающими материалами, углубленным обучением и многим другим.
26. Учебное пособие по НЛП. Создание системы ответов на вопросы с использованием BERT + SQuAD в Colab TPU
27. Модель машинного обучения с FLASK REST API
В этом уроке мы увидим, как создать свой первый REST API для модели машинного обучения с помощью FLASK. Мы начнем с создания модели машинного обучения. Затем мы увидим пошаговую процедуру создания API с помощью Flask и тестирования его с помощью Postman.
28. 6 важных советов по реализации проектов по науке о данных
Проекты по науке о данных сосредоточены на решении социальных или бизнес-проблем с использованием данных. Решение проектов по науке о данных может оказаться очень сложной задачей для новичков в этой области. Вам потребуется различный набор навыков в зависимости от типа проблемы с данными, которую вы хотите решить.
29. Построение конвейера цепей Маркова Монте-Карло с использованием Luigi
Несколько месяцев назад меня приняли в учебный лагерь по науке о данных — Springboard, на их карьерный курс в области науки о данных. В рамках этого учебного курса мне пришлось работать над проектами Capstone, которые помогли бы построить мое портфолио, продемонстрировать мою способность извлекать, очищать данные, строить модели и извлекать информацию из этих моделей. Для своего первого проекта я изначально решил построить конвейер Марковской цепи Монте-Карло с целью создания модели мультитач-атрибуции, которая помогла бы мне понять коэффициенты конверсии на разных этапах процесса регистрации и использовать это, чтобы понять, какие каналы оказались результативными. наибольшие коэффициенты конверсии для пользователей, проходящих через данную целевую страницу и проходящих через различные состояния регистрации, определенные в моем наборе данных.
30. От TF к TFLite: развертывание моделей машинного обучения на мобильных устройствах [Часть 1]
tl;dr — Ссылка на код: модель TensorFlow GAN.
Итак, на днях я разговаривал со своей резиновой уточкой о том, как G-Board предсказывает мое следующее слово, даже если эти слова полностью придуманы мной, и как на самом деле он учится на устройстве. Как удивительно Netflix, Amazon, Google Maps используют машинное обучение в своих приложениях. Как вообще работает машинное обучение в приложениях? Обучается ли модель даже после развертывания? Могу ли я развернуть модель GAN на мобильном телефоне?
31. Учебное пособие по НЛП: моделирование тем на Python с помощью BerTopic
Тематическое моделирование — это метод машинного обучения без учителя, который может автоматически идентифицировать различные темы, присутствующие в документе (текстовые данные). Данные стали ключевым активом/инструментом для управления многими предприятиями по всему миру. С помощью тематического моделирования вы можете собирать неструктурированные наборы данных, анализировать документы и получать нужную и нужную информацию, которая поможет вам принять лучшее решение.
32. 9 причин, почему вам следует продолжать изучать машинное обучение
Машинное обучение — это применение искусственного интеллекта. Это позволяет программным приложениям точнее прогнозировать результаты. Машинное обучение направлено на разработку компьютерных программ, и основная цель — позволить компьютерам обучаться автоматически без вмешательства человека.
33. Пять лучших платформ машинного обучения, за которыми стоит следить в 2022 году
Операции машинного обучения (MLOps) — это форма DevOps в развивающейся области. В этой статье мы обсудим 5 лучших платформ машинного обучения, на которые стоит обратить внимание в 2022 году.
34. Логистическая регрессия: обучение модели на Python и использование ее во внешнем интерфейсе Angular
Демо-версию этой статьи можно найти здесь.
35. Машинное обучение: объяснение за 5 минут
Google использует его для предоставления миллионов результатов поиска каждый час. Это помогает Facebook угадать ваш следующий любовный интерес. Даже Tesla Илона Маска использует его для самообучения
36. Объяснение состязательных примеров в машинном обучении
Есть простые способы создания состязательных примеров, которые могут обмануть любую модель глубокого обучения и создать проблемы безопасности, какой бы сложной она ни была.
37. Почему соревнования по науке о данных важны и С чего начать
Чтобы стать специалистом по данным, вам нужно учиться, приобретать необходимые навыки и много практиковаться, чтобы получить больше опыта. Участие в конкурсах по науке о данных было одним из лучших способов помочь новичкам в области науки о данных получить больше опыта и, наконец, подать заявку на работу.
38. Scikit Learn 1.0: новые возможности библиотеки машинного обучения Python
Scikit-learn — это самая популярная и бесплатная библиотека машинного обучения Python с открытым исходным кодом для специалистов по данным и специалистов по машинному обучению. Библиотека scikit-learn содержит множество эффективных инструментов для машинного обучения и статистического моделирования, включая классификацию, регрессию, кластеризацию и уменьшение размерности.
39. Как создать приложение для анализа настроений с использованием градиента и обнимающего лица
В этой статье мы собираемся создать комплексное веб-приложение для анализа настроений с помощью искусственного интеллекта, используя Gradio и трансформеры обнимающих лиц.
40. Сборник лучших практик разработки программного обеспечения для машинного обучения
41. Точная настройка моделей машинного обучения с помощью экспериментов DVC для трансферного обучения
Вы можете работать с предварительно обученными моделями и настраивать их с помощью экспериментов DVC.
42. 70-страничный отчет о наборе данных COCO и обнаружении объектов [Часть 2]
Этот блог является первой частью (и содержит ссылку) более чем 70-страничного отчета, созданного для быстрого поиска ресурсов и/или активов данных для заданного набора данных и конкретной задачи
43. Как машины изучают эмоции: анализ настроений в обзорах продуктов Amazon
Как научить машины распознавать эмоции? Это руководство по анализу настроений в обзорах продуктов Amazon с использованием алгоритмов машинного обучения.
44. Руководство для специалистов по обработке данных по полуконтролируемому обучению
Обучение с полуконтролем — это тип машинного обучения, о котором обычно не говорят специалисты по науке о данных и машинному обучению, но который по-прежнему играет очень важную роль.
45. Повышение производительности модели машинного обучения за счет объединения категориальных функций
Узнайте, как объединить категориальные функции в наборе данных, чтобы повысить производительность модели машинного обучения.
46. Коллекция 10 лучших + бесплатных курсов по машинному обучению
Вот подборка некоторых из лучших + бесплатных курсов по машинному обучению, доступных в Интернете.
47. Как использовать Microsoft Excel для классификации ваших данных
Доступное введение в ML — не требуется никакого программирования или математики. К концу этого руководства вы реализуете свой первый алгоритм, не затрагивая ни единой строки кода. Вы будете использовать методы машинного обучения для классификации реальных данных с помощью базовых функций Excel. Вам не нужно быть гением или программистом, чтобы понимать машинное обучение. Несмотря на популяризацию применения беспилотных автомобилей, роботов-убийц и распознавания лиц, основы машинного обучения (МО) довольно просты. Это шанс попрактиковаться и понять силу этих новых техник.
48. 12 лучших библиотек Javascript для машинного обучения
Быстро развивающиеся технологии, такие как машинное обучение, искусственный интеллект и наука о данных, несомненно, были одними из самых быстро развивающихся технологий этого десятилетия. Особое внимание уделяется машинному обучению, которое в целом помогло повысить производительность в нескольких секторах промышленности более чем на 40%. Не секрет, что вакансии в области машинного обучения являются одними из самых востребованных вакансий в отрасли.
49. Кодирование категориальных данных для алгоритмов машинного обучения
Кодирование – это метод, используемый для преобразования категориальных данных в числовые представления, чтобы их можно было использовать в алгоритмах машинного обучения.
50. Scikit-Learn 0.24: 5 основных новых функций
Для любых специалистов по данным & инженеры по машинному обучению используют scikit-learn для различных проектов машинного обучения. Вот 5 лучших новых функций scikit-learn 0.24
51. Стостраничная книга по машинному обучению [обзор]
Впервые я заказал книгу «Сто страниц машинного обучения» еще в мае и только сейчас заканчиваю ее. Во времена COVID это было около 10 лет назад. Как вы могли догадаться, эта книга НЕ предназначена для быстрого чтения. Недостаток легкости чтения компенсируется эффективностью. Эта книга поглощает тяжеловесные учебники по математике и выдаёт тонкий продукт не толще ширины моего смартфона. От первой страницы до 136-й автор Андрей Бурков не тратит ни слова на изложение наиболее практичных концепций машинного обучения. Вы правильно прочитали. Это БОЛЕЕ 100 страниц! Похоже, что в книге есть некоторая предвзятость. Возьми? Теперь приготовьтесь к моему стостраничному обзору книги. Шучу.
52 . Создайте бота для алгоритмической торговли без комиссий с помощью ежеквартальных отчетов о доходах с помощью машинного обучения [Полное руководство]
53. 20 лучших историй машинного обучения для науки о данных
Наука о данных, несомненно, является одной из основных областей, с которой сталкивается каждый энтузиаст искусственного интеллекта, машинного обучения или науки о данных. Теперь, с развитием науки о данных, мы не ограничиваемся только уточнением данных и их последующим размещением на доске. В сочетании с машинным обучением ваши машины становятся интеллектуальными за счет использования данных, которые вы только что оптимизировали, для подачи на машину.
54. Как быстро и легко развернуть модели машинного обучения в облаке
Модели машинного обучения обычно разрабатываются в среде обучения (онлайн или оффлайн). Затем вы можете развернуть их и использовать с живыми данными.
55. Обнаружение мошенничества с кредитными картами с помощью машинного обучения: практический пример
Руководство по машинному обучению, которое поможет выявить мошеннические транзакции по кредитным картам с помощью инструментария PyOD.
56. [Взлом Tinder] Научите ИИ автоматически смахивать за вас 🖖
Auto-tinder был создан для обучения ИИ с использованием Tensorflow и Python3, который изучает ваши интересы к другому полу и автоматически запускает за вас игру смахивания Tinder.
57. Создание моделей машинного обучения с помощью TensorFlow
В этой статье я поделюсь с вами некоторыми полезными советами и рекомендациями, которые вы можете использовать для создания более эффективных моделей глубокого обучения.
58. 70-страничный отчет о наборе данных COCO и обнаружении объектов [Часть 3]
59. [Объяснение] Основы машинного обучения: проблемы оптимизации и способы их решения
Если вы начнете изучать машинное обучение и лежащую в его основе математику, вы быстро заметите, что все сводится к проблеме оптимизации. Даже обучение нейронных сетей — это, по сути, просто поиск оптимальной конфигурации параметров для действительно многомерной функции.
60. Полная история сверточных нейронных сетей и лежащая в их основе математика
Сверточные нейронные сети стали по-настоящему популярны после 2010 года, поскольку они превзошли любую другую сетевую архитектуру при обработке визуальных данных, но концепция CNN не нова. На самом деле, оно во многом вдохновлено зрительной системой человека. В этой статье я стремлюсь очень подробно объяснить, как исследователи пришли к идее CNN, как они структурированы, как работает лежащая в их основе математика и какие методы применяются для улучшения их производительности.
61. Как я это сделал: машинное обучение с помощью Amazon Personalize и платформы данных клиентов
Из этого руководства по сценариям использования вы узнаете, как инфраструктурная платформа данных клиентов может помочь вам преодолеть распространенные проблемы машинного обучения.
62. [Учебник] Создание гендерного классификатора для прямой трансляции с веб-камеры с помощью Tensorflow и OpenCV
Обучение нейронной сети с нуля сталкивается с двумя основными проблемами. Во-первых, необходим очень большой классифицированный набор входных данных, чтобы нейронная сеть могла изучить различные функции, необходимые для классификации.
63. Введение в анализ аудио: распознавание звуков с помощью машинного обучения
64. Прогнозирование кредитного риска с помощью нейронных сетей
Пошаговое руководство (с хорошей дозой очистки данных)
Спасибо, что ознакомились с 64 самыми читаемыми историями об учебниках по машинному обучению на HackerNoon.
Посетите репозиторий /Learn, чтобы найти самые читаемые статьи о любой технологии.
Оригинал