87 историй о машинном обучении, которые стоит узнать
1 февраля 2024 г.Давайте узнаем о машинном обучении из этих 87 бесплатных историй. Они упорядочены по времени чтения, созданного на HackerNoon. Посетите /Learn Repo, чтобы найти самые читаемые истории о любой технологии.
1 . Bitcoin Cash против Bitcoin SV: что говорят нам данные через 10 месяцев после хеш-войн
Ноябрь 2018 года стал еще одним поворотным моментом для криптоиндустрии с созданием Bitcoin Satoshi Vision (BSV), который быстро поднялся в топ-10 криптовалют по рыночной капитализации. Новый криптоактив стал результатом ожесточенной технической и идеологической битвы между двумя фракциями сообщества Bitcoin Cash (BCH), которая закончилась одним из самых агрессивных хардфорков в истории крипторынков. За это время обе группы привлекли страстных и очень активных последователей, что, безусловно, помогло BSV завоевать определенную известность. Однако спустя десять месяцев после хард-форка наборы данных блокчейна открывают некоторые очень интересные сведения о состоянии как BCH, так и BSV. Платформа IntoTheBlock недавно добавила полную поддержку BSV, и я подумал, что было бы неплохо сравнить данные с BCH.
2. 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.
3. Наблюдение за хрустальным шаром: взгляд в мир, которым правит искусственный интеллект
О, это слово сегодня стало такой нормой, что как бы быстро вы ни пытались от него убежать, это модное словечко в конце концов вас найдет. Искусственный интеллект сегодня настолько распространенная практика, что от нее трудно остаться в стороне. Технологический мир прямо или косвенно вращается вокруг искусственного интеллекта. Это либо искусственный интеллект, либо машинное обучение, так и должно быть!
4. Внутреннее позиционирование и прогнозирование наиболее подходящих для покупателей бутиков в торговых центрах
Комбинация внутренней навигации и машинного обучения, помогающая пользователям находить наиболее подходящие магазины и помогающая магазинам рекламировать свою продукцию.
5. 8 вариантов использования клонирования голоса с помощью искусственного интеллекта
Если вы думали, что клонирование голоса и дипфейки стали модными словечками в последнее время, подумайте еще раз. Первая оригинальная запись имитации человеческого голоса относится к 1779 году в России. Профессор Кристиан Краценштайн в своей лаборатории в Санкт-Петербурге построил акустические резонаторы, имитирующие речевой тракт человека при активации с помощью вибрирующих тростей (точно так же, как духовые инструменты).
6. Автоматическое создание текстов с помощью TensorFlow и машинного обучения: практическое руководство
Создание бота, который по стартовой фразе будет генерировать собственные тексты на основе модели машинного обучения, которая будет учиться на существующих песнях.
7. Как я создал демо-приложение для прослушивания более 5000 часов Джо Рогана с помощью искусственного интеллекта
Я провожу более 5500 часов Джо Рогана с помощью ИИ
8. Распространение MLOps: чему мы все можем научиться у DevOps
Конференция MLOps состоялась ранее на этой неделе в Hudson Mercantile в Нью-Йорке. Эксперты из New York Times, Twitter, Netflix и принимающей компании Iguazio рассказали о передовом опыте и внедрении машинного обучения в различных организациях.
9. Попрощайтесь с SEO – ChatGPT привлекает внимание благодаря более умному поиску
Поисковая оптимизация (SEO) уже более двух десятилетий является основой онлайн-поиска. Но поскольку технология искусственного интеллекта (ИИ) развивается быстро
10. Введение в «жидкие» нейронные сети
Жидкие нейронные сети способны адаптировать свое основное поведение на этапе обучения.
11 . Взгляд в будущее высшего образования: может ли искусственный интеллект стимулировать дистанционное обучение?
Искусственный интеллект уже оказывает глубокое влияние на мир вокруг нас. Поскольку облачные вычисления и аналитика больших данных привносят беспрецедентное удобство в нашу повседневную жизнь и бесчисленное множество отраслей, стоит уделить время и задуматься о том, как машины могут помочь в сфере образования в ближайшие годы, учитывая, что доходы от рынка программного обеспечения для искусственного интеллекта растут. по прогнозам, к 2025 году достигнет почти 120 миллиардов долларов.
12. Искусственный интеллект и будущее человечества
Искусственный интеллект во многом меняет наши инструменты и методы, основанные на человеке: от медицины до повседневных гаджетов и развлечений и космического пространства. С каждым днем люди все больше полагаются на искусственный интеллект.
13. Генеративно-состязательные сети (GAN): обзор
GAN или Generative Adversarial Network — одно из самых интересных изобретений в области искусственного интеллекта. Все потрясающие новостные статьи, с которыми мы сталкиваемся каждый день и посвященные машинам, выполняющим великолепные задачи, подобные человеческим, в основном являются работой GAN!
14. 5 наиболее распространенных ошибок чат-ботов на сайтах электронной коммерции – и как их избежать
Искусственный интеллект, машинное обучение и чат-боты у всех на слуху в индустрии электронной коммерции. Эти новые технологии меняют порядок ведения бизнеса в Интернете, поэтому неудивительно, что к 2020 году 80% предприятий, по прогнозам, будут использовать программное обеспечение для автоматизации чат-ботов.
15. Использование Flask для создания чат-бота на основе правил на Python
Научитесь создавать чат-ботов на базе искусственного интеллекта с помощью простого руководства, которое можно разместить в вашем портфолио.
16. Вычисления на графическом процессоре для машинного обучения
Используя возможности параллельных вычислений графических процессоров, можно добиться значительного сокращения времени вычислений по сравнению с традиционными процессорами.
17. Обучение через производство: генеративно-состязательные сети
Машины годами пытались научиться распознавать и идентифицировать фотографии, которые они видели. В 2013 году ему удалось достичь человеческого уровня. Системы машинного обучения обеспечили простой вывод из сложных входных данных. Он может распознавать практически все детали фотографий и отображать их именно так, как они хотят.
18. 8 лучших библиотек Python для машинного обучения в 2021 году 🛠
19. 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
20. Будущее человека в курсе событий
С 1980-х годов систематически изучаются взаимодействия человека и машины и, в частности, сценарии «человек в цикле» (HTL). Часто предсказывалось, что с ростом автоматизации со временем потребуется меньше взаимодействия человека и машины. В большинстве распространенных форм обучения искусственному интеллекту и машинному обучению по-прежнему используется человеческий вклад, и зачастую требуется даже больше человеческого понимания, чем когда-либо прежде.
21. Поведенческие сигналы анализируют поведение человека на основе голосовых данных
Behavioral Signals – компания, занимающаяся искусственным интеллектом, которая разрабатывает технологию искусственного интеллекта для анализа поведения человека на основе голосовых данных.
22. В чем разница между MLOps и AIOps
Обзор миров MLOps и AIOps, чтобы понять, что они означают, как они связаны с DevOps и как они сравниваются с точки зрения преимуществ.
23. Введение в состязательные атаки и стратегии защиты
Состязательное обучение было впервые введено Szegedy et al. и в настоящее время является самым популярным методом защиты от состязательных атак.
24. Приятный способ начать обучение науке о данных — это CS50
Итак, вы хотите заняться наукой о данных
25. Построение модели склонности для лучшего таргетинга пользователей в маркетинговых кампаниях
Модель склонности для определения вероятности того, что человек купит продукт при повторном посещении.
Нам нужно определить вероятность конверсии для каждого пользователя.
26. Рекомендации по содержанию и когнитивные искажения
Искусственный интеллект (ИИ) — удивительное изобретение человечества. Объединение вычислительной мощности машины с интеллектом человека, несомненно, создает новые возможности для инноваций и значительно увеличивает вероятность реализации тех, о которых уже предполагалось.
27. Deepfake Autofiction: новая волна литературы, созданной искусственным интеллектом
Во-первых, ИИ умеет водить машину. Теперь они умеют писать. Когда же мне научатся стричь газон или добавлять в мои фильмы морально сомнительные сцены?
28. Создавайте приложения машинного обучения быстрее с помощью OneML SDK
Создавайте более быстрые приложения машинного обучения с помощью оптимизированного и портативного SDK для машинного обучения.
29. ChatGPT ответил на 50 000 простых вопросов – вот как это произошло
Я заставил ChatGPT ответить на 50 000 простых вопросов. Узнайте, что происходит
30 . Самостоятельное создание чат-бота может не иметь такого большого смысла, как вы думаете
За последнее десятилетие чат-боты доминировали в разговоре (без каламбура), когда дело доходит до цифрового взаимодействия. У вас, несомненно, был опыт взаимодействия с ними, некоторые из них были полезными, а другие не впечатляли, и, возможно, вы даже пытались создать их самостоятельно.
31. Что нужно знать о «убийце Юпитера» Netflix: Polynote 📖
Сегодня Netflix открыла для публики разработанный ими внутренний блокнот Polynote с открытым исходным кодом. В наши дни не редкость, когда крупные технологические компании открывают исходные коды своих внутренних инструментов или услуг, а затем становятся популярными и принимаются отраслью. Amazon AWS, React.js от Facebook и т. д. — вот два из них. Это имеет смысл. В этих крупных технологических компаниях работают лучшие инженеры в отрасли, и чаще всего они сталкиваются с самыми большими проблемами, которые будут стимулировать разработку отличных инструментов. Polynote от Netflix может стать еще одним из таких замечательных инструментов, а индустрия обработки данных и машинного обучения действительно нуждается в более совершенных инструментах с точки зрения написания кода, экспериментирования с алгоритмами и визуализации данных. Вот несколько вещей, которые вам нужно знать об этом новом инструменте. Я постараюсь изложить это кратко и по существу, чтобы вы могли быстро прочитать его и узнать о плюсах и минусах нового выбора нашей среды разработки/исследований.
32 . Frontend Dev: как создать сайт прогнозного машинного обучения с помощью React и Python (часть 3)
Мы будем создавать интерфейс React с машинным обучением, который будет прогнозировать, будет ли кандидат принят на работу, основываясь на его или ее учетных данных.
33. Использование преобразователя BERT с SpaCy3 для обучения модели извлечения отношений
Пошаговое руководство по обучению классификатора извлечения отношений с помощью Transformer и spaCy3.
34. Softmax Температура и разнообразие прогнозов
Эта статья посвящена настройке распределения softmax, чтобы контролировать разнообразие и новизну прогнозов.
35. Как начать работу с машинным обучением: руководство для начинающих от новичка
Я изучил машинное обучение за выходные. Вот как я это сделал и какие шаги я бы порекомендовал предпринять, если вы хотите сделать то же самое!
36. Оценка моделей регрессии в машинном обучении
Оценка модели очень важна, поскольку нам необходимо понять, насколько хорошо работает наша модель.
37. Искусственный интеллект: статистика и факты, которые вам следует знать в 2020 году
Помимо телешоу и художественной литературы, современные примеры базового ИИ
Google Voice, Cortana, Alexa, Siri и чат-боты. Однако ИИ – это не просто
ограничивается голосовыми помощниками, он меняет ситуацию в других областях и
отрасли также. Например, в некоторых ресторанах есть боты для определения номера.
обслуживание, подача еды и перенос багажа.
38. Сотрудничество платформы машинного обучения между Dell EMC и Comet [объявление о партнерстве]
Dell EMC, ведущий поставщик комплексных решений для групп по обработке данных, и Comet, ведущая в отрасли платформа для экспериментов в области метамашинного обучения, объявили о сотрудничестве с эталонной архитектурой для групп по обработке данных, желающих использовать возможности инфраструктуры Dell EMC. в тандеме с мета-платформой машинного обучения Comet.
39. Решения машинного обучения – обеспечение мощной кибербезопасности для современных компаний
Услуги по разработке машинного обучения помогают поддерживать надежную кибербезопасность, поддерживают экспертов в борьбе с преступностью и противодействуют организациям с высоким уровнем риска.
40. Как отказ от программирования может возродить ваши отношения с наукой о данных
41. 7 чат-ботов на базе искусственного интеллекта
42. Как запускать модели машинного обучения в браузере с помощью ONNX
Узнайте, как использовать ONNX Runtime Web для развертывания моделей машинного обучения прямо в браузере.
43. Чат-боты: конец эпохи хайпа или новый яркий рассвет?
Мы живем в век великих инноваций и технологических чудес. Технологии искусственного интеллекта и машинного обучения развиваются безумно быстрыми темпами, что привело к незначительному увеличению производительности цифровых приложений. Несколько лет назад чат-боты сформировали новую, очень популярную тенденцию и неизменно рассматривались как лучший потенциальный помощник для рынка труда, немного снижающий потребность в рабочей нагрузке на персонал. Сектор чат-ботов в настоящее время быстро растет, и, по прогнозам, к 2025 году общий объем рынка достигнет около 1,25 миллиарда долларов США, что значительно превышает размер рынка в 2016 году, который составлял 190,8 миллиона долларов США. Боты, управляемые искусственным интеллектом, с годами становятся все более совершенными, но все чаще используются в различных областях: маркетинг, здравоохранение, CRM (управление взаимоотношениями с клиентами). Этот гиперпоезд привел к появлению более эффективных решений и более яркому свету в конце туннеля.
44. Наивный анализ настроений с использованием R
Клейтон Сампайо, октябрь 2019 г.
45. Встраивание в машинное обучение: все, что вам нужно знать
Здесь мы углубимся в историю внедрения машинного обучения, его общего использования и текущих инфраструктурных решений, включая векторную базу данных.
46. Лучшие (и худшие) шутки, которые поймут только ученые, работающие с данными
В первом посте KDnuggets на Hacker Noon мы представляем вам более легкую версию очень занудного компьютерного юмора из серии самореферентных шуток, стартовавших в Твиттере ранее на этой неделе. Вот некоторые из наших любимых.
Если вы понимаете все шутки, то вы поздравляете себя с отличными знаниями в области науки о данных и машинного обучения! Если вы действительно посмеялись над двумя или более шутками, то вы заработали степень магистра компьютерного юмора! Если вы только ухмыльнулись, то, вероятно, у вас докторская степень. А про AGI у меня есть отличная шутка, но она будет готова лет через 10.
Наслаждайтесь, а если у вас есть еще, добавьте их в комментариях ниже!
Ян ЛеКун, @ylecun
47. Применение машинного обучения в криптосфере: хорошие и плохие аспекты
Любой, кто раньше торговал криптовалютами или инвестировал в акции биткойнов, был разочарован трудностями, связанными с попытками предсказать рыночные тенденции.
48. Как компании на самом деле используют ИИ в повседневной практике
Когда мы думаем об ИИ (искусственном интеллекте), на ум часто приходят смешанные эмоции. Любители кино могут сразу же увидеть изображения Уилла Смита, сражающегося с гуманоидными искусственными существами в IRobot, или еще более реалистичное изображение искусственного интеллекта в фильме, метко названном «ИИ». В нашем человеческом сознании искусственный интеллект потенциально может привести к катастрофическому апокалипсису, когда машины захватят мир.
49. 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.
50. Компьютерное зрение может улучшить здоровье и безопасность на рабочем месте
Недавние разработки в области обучения нейронных сетей (глубокое обучение) и передовых платформ обучения алгоритмов, таких как TensorFlow от Google и аппаратные ускорители от Intel (OpenVino), Nvidia (TensorRT) и т. д., дали разработчикам возможность обучать и оптимизировать сложные нейронные сети на малых перифериях. такие устройства, как смартфоны или одноплатные компьютеры.
51. Основы машинного обучения: 10 списков, которые должен знать каждый специалист по данным
Наука о данных, без сомнения, является «самой привлекательной» карьерой 21-го века, в которой работают люди с сильным интеллектуальным любопытством и техническими знаниями, способные извлекать ценную информацию из огромных объемов данных. Это помогает компаниям повысить ценность за счет повышения своей производительности, получения информации для более эффективного принятия решений и увеличения прибыли, и это лишь некоторые из них. Знания в области науки о данных желательны и полезны в различных отраслях.
52. 6 основных применений обработки естественного языка в здравоохранении
Для многих поставщиков медицинских услуг эта отрасль превращается в постоянно меняющееся затруднительное положение, связанное с регуляторными проблемами, финансовыми потрясениями и непредвиденными вспышками негодования со стороны практикующих врачей, находящихся на грани восстания. В настоящее время отрасль пользуется возможностью расширить масштабы защиты больших данных и разработать технологическую инфраструктуру, необходимую для решения насущных задач.
53. Почему я потратил годы на написание детской книги по науке о данных
Я написал детскую книгу по науке о данных, чтобы рассказать другим, кому трудно понять концепции науки о данных и машинного обучения, особенно детям!
54. ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА (НЛП) | ОБЪЯСНЕНИЕ
Обработка естественного языка (NLP) — это метод искусственного интеллекта для общения с интеллектуальными системами с использованием естественного языка, например английского.
55. 7 способов использования машинного обучения для брендов электронной коммерции, убивающих конкуренцию
Заставьте конкурентов в вашей нише электронной коммерции задыхаться с помощью этих инструментов машинного обучения, которые автоматизируют затраты и показывают, где прячутся ваши клиенты.
56. 8 тенденций машинного обучения, которые повлияют на бизнес в 2021 году и в дальнейшем
Давайте узнаем о последних инновациях в области машинного обучения в 2021–2022 годах и рассмотрим различные примеры того, как эта технология может принести пользу вам и вашему бизнесу.
57. Искусственный интеллект будет использоваться для обнаружения масок по записям камер видеонаблюдения в Индии
Хотя глобальная пандемия вызвала большое беспокойство среди работников и поставщиков услуг, сейчас ситуация постепенно улучшается. Поскольку услуги начали работать повсеместно, транспортная отрасль также пришла в норму.
58. Что такое сверточные нейронные сети? [ELI5]
Теорема универсального приближения гласит, что нейронная сеть прямого распространения (также известная как многослойная сеть нейронов) может действовать как мощное приближение для изучения нелинейных отношений между входными и выходными данными. Но проблема нейронной сети с прямой связью заключается в том, что сеть склонна к переобучению из-за наличия в сети множества параметров, которые необходимо изучить.
59. Переосмысление чат-ботов: они предназначены не только для поддержки клиентов
Не так давно многие обозреватели отрасли отвергли чат-боты как разрекламированную часть программирования. Однако ряд компаний, поддержавших это решение, сейчас пожинают плоды. Чат-боты уже решают большинство запросов клиентов в различных отраслях, и, по оценкам, к 2020 году на них будет приходиться 80–85 процентов всех обращений в службу поддержки клиентов.
60. ИИ для новичков: как работает Amazon Alexa
Как искусственный интеллект Amazon Alexa обрабатывает и реализует команды.
61. Новая модель обучения Владимира Вапника
Владимир Вапник недавно рассказал о новой теории обучения, над которой он работает.
62. Будущее мобильных приложений станет светлее благодаря машинному обучению
В этой статье мы рассмотрим машинное обучение и его влияние на мобильные приложения.
63. Понимание машинного обучения
Машинное обучение — это множество стратегий, с помощью которых ПК самостоятельно принимают решения. Используя определенные системы, ПК делают выбор, рассматривая или распознавая замыслы в прошлых записях, а затем предвидя будущие события. Возможны различные виды ожиданий, например, в отношении климатических условий и стоимости жилья. Помимо ожиданий, машины научились распознавать лица на фотографиях и эффективно фильтровать спам в электронной почте.
64. Объяснение алгоритмов машинного обучения
Можете ли вы вспомнить пять примеров машинного обучения в реальной жизни? Мы делимся впечатляющими примерами машинного обучения, которые мы используем каждый день и которые могут быть неочевидны для вас.
65. Анализ футбольных данных с использованием моделей машинного обучения потенциально может повысить количество вбрасываний!
«Могут ли модели машинного обучения помочь улучшить точность, точность и удержание мяча, что приведет к увеличению количества забитых мячей после вбрасываний?»
66. Анонсируем выпуск ModelDB 2.0
С тех пор, как мы написали ModelDB 1.0, новаторскую систему управления версиями моделей, мы многому научились, и адаптация ее к развивающейся экосистеме стала непростой задачей. Поэтому мы решили перестроить с нуля, чтобы поддерживать систему управления версиями модели, специально предназначенную для того, чтобы сделать разработку и развертывание машинного обучения надежными, безопасными и воспроизводимыми.
67. Тенденции в области медицинских технологий и цифровые инновации в 2022 году
Узнайте об основных технологических инновациях, которые могут изменить вашу организацию здравоохранения в 2022 году.
68. fast.ai Джереми Ховарда против deeplearning.ai Эндрю Нга – сильно ли они отличаются друг от друга?
Как не «перегрузить» обучение ИИ, пройдя курсы fast.ai и deeplearning.ai
69. Как создать детектор ссылок, который сделает ссылки в вашей книге кликабельными
Как я создал детектор ссылок для вашего смартфона, чтобы просматривать ссылки, напечатанные в книгах.
70. Прогнозируемая ранняя остановка — метаобучающий подход
71. 8 способов, которыми ИИ помогает логистической отрасли
Мир логистики полностью изменился с появлением новых технологий, особенно искусственного интеллекта, и это больше не роскошь, а необходимость для процветания бизнеса в этой отрасли.
72. Перспективы бизнеса в будущем развития искусственного интеллекта к 2025 году
«Искусственный интеллект станет окончательной версией Google. Лучшая поисковая система, которая понимает все в сети. Оно точно поймет, чего вы хотите, и даст вам то, что нужно. Сейчас мы далеки от этого. Однако мы можем постепенно приближаться к этому, и это, по сути, то, над чем мы работаем». — Ларри Пейдж (генеральный директор Alphabet)
73. Как электронная коммерция становится умнее с помощью искусственного интеллекта
74. Обучение моделей машинного обучения с использованием TensorFlow или PyTorch
Я покажу вам, как работает градиентный спуск, который находится в самой глубине машинного обучения.
[75. Дифференциальная конфиденциальность с Tensorflow 2.0 : Многоклассовая классификация текста
Конфиденциальность](https://hackernoon.com/ Differential-privacy-with-tensorflow-20-multi-class-text-classification-privacy-yk7a37uh)
Введение
76. 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
77. Повысьте качество обслуживания клиентов с помощью прогнозной аналитики
В мире, где различия между продуктами минимальны, качество обслуживания клиентов становится решающим фактором. В отчете PwC 73% респондентов назвали качество обслуживания клиентов важным, однако компании по-прежнему недостаточно используют эту возможность. Организациям также следует учитывать, что 42% тех же респондентов заявили, что готовы платить больше, если это гарантирует лучший опыт.
78. Искусственный интеллект и искусство: когда искусство действительно является искусством?
Помощники ИИ могут помочь художникам создавать произведения искусства, музыку и даже фильмы. Мы находимся в начале этого пути, поэтому давайте позаботимся о том, чтобы не задавать слишком высокую планку.
79. Модель классификации изображений с помощью Google AutoML [Практическое руководство]
В этом уроке я покажу вам, как создать модель классификации с одной меткой в Google AutoML. Мы будем использовать набор данных лиц, сгенерированных искусственным интеллектом, из файлаgenerated.photos. Мы будем обучать наш алгоритм определять, является ли лицо мужским или женским. После этого мы развернем нашу модель в облаке И создадим версию алгоритма для веб-браузера.
80. Глубокое обучение для моделирования аудиовизуальных соответствий
Человеческое восприятие представляет собой многомерное и сбалансированное сочетание слуха, зрения, обоняния, осязания и вкуса. В последнее время многие исследования пытались продвинуться на пути улучшения машинного восприятия путем перехода от одномодального обучения к мультимодальному обучению.
81. 30 ведущих консалтинговых компаний в области машинного обучения
Технологии машинного обучения (МО) и искусственного интеллекта (ИИ) вряд ли можно назвать новыми в 2019 году. За последнее десятилетие их использовали самые разные области, и визуализация Глобального института McKinsey подтверждает этот факт. Сегодня машинное обучение и искусственный интеллект создают ценность для организаций в сфере потребительских услуг, автомобилестроения, сельского хозяйства, розничной торговли, здравоохранения и других крупных отраслей.
82. 10 полезных советов и рекомендаций по Python для начинающих
В этом посте мы хотели бы поделиться с вами 10 полезными советами и приемами Python для начинающих.
83. Как выиграть конкурс Kaggle: конкурс по прогнозированию кассовых сборов
Введение
84. VOGUE от Google, MIT и UW: онлайн-примерочная на базе искусственного интеллекта
Google использовал модифицированную архитектуру StyleGAN2, чтобы создать онлайн-примерочную, где вы можете автоматически примерить любые брюки или рубашки, которые захотите, используя только изображение.
85 . Используйте бета-распределение и выборку Томпсона, чтобы победить Многорукого бандита в казино
Как логичный человек в казино. вы хотите вложить деньги в машину с максимальной ожидаемой доходностью. Отсюда и возникает проблема многоруких бандитов. Здесь мы рассмотрим две основные концепции: бета-распределение и выборку Томпсона.
Бета-распространение
86. Введение в анализ аудио: распознавание звуков с помощью машинного обучения
87. Обнаружение мошенничества со стороны поставщиков медицинских услуг с помощью машинного обучения
Прогноз мошенничества со стороны поставщиков медицинских услуг Medicare #hackernoon #xgboost #medicarefraud #machinelearning #streamlitapp #fraudprovider
Спасибо, что ознакомились с 87 самыми читаемыми историями о машинном обучении на HackerNoon.
Посетите репозиторий /Learn, чтобы найти самые читаемые статьи о любой технологии.
Оригинал