Zephyrnet-logo

Label: 2022 jan Tutorials, Overzichten

Effectief testen voor machinaal leren

Gezien hoe onzeker ML-projecten zijn, is dit een stapsgewijze strategie die u kunt toepassen naarmate uw project volwassener wordt; het bevat testvoorbeelden om een ​​duidelijk beeld te geven van hoe deze tests er in de praktijk uitzien, en een volledige projectimplementatie is beschikbaar op GitHub. Aan het einde van de functie kun je robuustere ML-pijplijnen ontwikkelen.

Top Nieuws

Iterables versus iterators in Python begrijpen

Hoewel ze vaak met elkaar worden verward, zijn Iterables en Iterators twee verschillende concepten. In dit artikel wordt het verschil tussen de twee uitgelegd en hoe ze worden gebruikt.

Aan de slag met het opschonen van gegevens

Om kwaliteitsgegevens te verkrijgen, moet er een proces plaatsvinden. Dat proces is het opschonen van gegevens. Lees meer over de verschillende fasen van dit proces.

TensorFlow voor computervisie – gemakkelijk leren overdragen

In dit artikel leest u hoe u een nauwkeurigheid van meer dan 90% op de validatieset kunt krijgen met een vrij eenvoudige benadering. Je zult ook zien wat er gebeurt met de validatienauwkeurigheid als we de hoeveelheid trainingsgegevens met een factor 20 verkleinen. Spoiler alert - het blijft ongewijzigd.

De beste Python-cursussen: een analyse-samenvatting

Wat onthullen de gegevens als we vragen: "Wat zijn de 10 beste Python-cursussen?". Door bijna alle cursussen van topplatforms te verzamelen, is er genoeg om uit te kiezen, met meer dan 3000 aanbiedingen. Dit artikel vat mijn analyse samen en presenteert de top drie van cursussen.

3 redenen waarom datawetenschappers LightGBM zouden moeten gebruiken

Er zijn veel geweldige stimulerende Python-bibliotheken waar datawetenschappers de vruchten van kunnen plukken. In dit artikel bespreekt de auteur de voordelen van LightGBM en hoe deze specifiek zijn voor uw datawetenschapsbaan.

Leg NLP-modellen uit met LIME

Het is belangrijk om te weten hoe LIME zijn uiteindelijke output bereikt voor het verklaren van een voorspelling voor tekstgegevens. In dit artikel heb ik dat concept gedeeld door de componenten van LIME te verlichten.

De goedbetaalde kant voor datawetenschappers

Lees meer over enkele onconventionele manieren om uw inkomen te verhogen door freelancen, contracteren, copywriting, loopbaanbegeleiding en consultancy.

Hoe een dataframe met miljoenen rijen in seconden te verwerken

TLDR; verwerken met een nieuwe Python Data Processing Engine in de Cloud.

Data Science Web nugget Roundup, 14 januari: Kaggle-gegevenssets en Python-foutopsporing

Bekijk in onze eerste wekelijkse verzameling datawetenschapsnuggets van overal op internet een lijst met samengestelde artikelen over Kaggle-datasets, Python-foutopsporingstools, wat datawetenschappers doen, een overzicht van YOLO, 2-dimensionale PyTorch-tensoren en de geheimen van machine learning-implementatie.

Redis uitvoeren op Google Colab

Open source Redis wordt steeds vaker gebruikt in Machine Learning, maar het draaien op Colab is anders dan op je lokale machine of met Docker. Lees verder voor een tutorial in 2 stappen over hoe u dit moet doen.

Leren overdragen voor beeldherkenning en natuurlijke taalverwerking

Lees het tweede artikel in deze serie over Transfer Learning en leer hoe u dit kunt toepassen op beeldherkenning en natuurlijke taalverwerking.

Top vijf SQL-vensterfuncties die u moet kennen voor datawetenschapsinterviews

Focussen op de belangrijke concepten voor datawetenschappers.

Laatste intelligentie

spot_img
spot_img