Data l'incertezza dei progetti ML, questa è una strategia incrementale che puoi adottare man mano che il tuo progetto matura; include esempi di test per fornire un'idea chiara dell'aspetto pratico di questi test e su GitHub è disponibile un'implementazione completa del progetto. Entro la fine del post, sarai in grado di sviluppare pipeline ML più robuste.
Sebbene spesso confusi tra loro, Iterables e Iterators sono due concetti distinti. Questo articolo spiegherà la differenza tra i due e come vengono utilizzati.
Per ottenere dati di qualità, è necessario che avvenga un processo. Questo processo è la pulizia dei dati. Ulteriori informazioni sulle varie fasi di questo processo.
In questo articolo, scopri come ottenere una precisione superiore al 90% sul set di convalida con un approccio piuttosto semplice. Vedrai anche cosa succede all'accuratezza della convalida se riduciamo la quantità di dati di allenamento di un fattore 20. Avviso spoiler: rimarrà invariato.
Cosa rivelano i dati se ci chiediamo: "Quali sono i 10 migliori corsi Python?". La raccolta di quasi tutti i corsi dalle migliori piattaforme mostra che c'è molto da scegliere, con oltre 3000 offerte. Questo articolo riassume la mia analisi e presenta i primi tre corsi.
Ci sono molte fantastiche librerie Python di potenziamento di cui i data scientist possono trarre vantaggio. In questo articolo, l'autore discute i vantaggi di LightGBM e come sono specifici per il tuo lavoro di scienza dei dati.
È importante sapere come LIME raggiunge i suoi output finali per spiegare una previsione fatta per i dati di testo. In questo articolo, ho condiviso questo concetto illuminando i componenti di LIME.
Nella nostra prima carrellata settimanale di dati scientifici sul Web, dai un'occhiata a un elenco di articoli curati sui set di dati Kaggle, sugli strumenti di debug di Python, su cosa fanno i data scientist, una panoramica di YOLO, sui tensori PyTorch bidimensionali e sui segreti dell'implementazione dell'apprendimento automatico.
Redis open source viene sempre più utilizzato in Machine Learning, ma eseguirlo su Colab è diverso rispetto al computer locale o con Docker. Continua a leggere per un tutorial in 2 passaggi su come farlo.
Leggi il secondo articolo di questa serie su Transfer Learning e scopri come applicarlo al riconoscimento delle immagini e all'elaborazione del linguaggio naturale.