Написано много замечательных статей об алгоритме Seam Carving («Вырезание швов»), но Алексей Трехлеб не смог устоять перед соблазном самостоятельно исследовать этот элегантный, мощный и в то же время простой алгоритм, и написать о своем личном опыте работы с ним.
И если вы, как и автор, все еще находитесь на пути изучения алгоритмов, то это решение может обогатить ваш личный арсенал DP.
С помощью TensorFlow 2 Object Detection API мы научим TensorFlow модель находить позиции и габариты строк https:// в изображениях (например в каждом кадре видео из камеры смартфона).
Лучший способ понять полиномиальную регрессию — это вернуться к линейной регрессии. На примерах Михаил Дорошенко показывает, что если данные не линейны, даже наилучшая линия не может правильно заполнить все данные. Эта проблема недостаточно обученной модели также известна как недообучение или underfit. Это в основном означает, что модель слишком проста или недостаточно обучена. Вот откуда приходит идея полиномиальной регрессии. Она позволяет построить более сложную линию, такую как квадратичная кривая, кубическая кривая или любая другая кривая.
Oleksii Trekhleb натренировал LSTM (Long short-term memory) рекуррентную нейронную сеть (RNN) на наборе данных, состоящих из ~100k рецептов, используя TensorFlow. В итоге нейронная сеть предложила мне приготовить «Сливочную соду с луком», «Клубничный суп из слоеного теста», «Чай со вкусом цукини» и «Лососевый мусс из говядины»
Я создал новый проект Интерактивные эксперименты с машинным обучением на GitHub. Каждый эксперимент состоит из Jupyter/Colab ноутбука, показывающего как модель тренировалась, и Демо странички, показывающей модель в действии прямо в вашем браузере.
Андрій Хмельницький працює в оцінці майна, а у вільний час займається машинним навчанням. У циклі статей він розповідає, як реалізував власний проєкт зі зручної класифікації земельних ділянок, і робить огляд бібліотек на Python, які використав для цієї мети. У цій частині детально розглянемо бібліотеку TensorFlow, нейронні мережі, реалізацію моделі word2vec.
Всім привіт, мене звати Матвій, я працюю Data Scientist-ом. Сьогодні я покажу, як розгорнути модель у такий спосіб, щоб частина розрахунків відбувалася на стороні клієнта. Це особливо корисно для Data Scientist-ів, які використовують Python щодня і погано володіють Javascript.
Привет, меня зовут Галина Олейник, я занимаюсь решением задач в сфере NLP в компании 1touch.io. Сегодня я хотела бы рассказать о работе data scientist’а с фреймворком TensorFlow, а также углубиться в детали решения наиболее частых проблем, которые возникают при взаимодействии с ним.
Продовжуємо знайомитися з основами машинного навчання разом з веселими героями від Володимира Штеньовича, Software Engineer в Google. У цій статті ми перейдемо до практики роботи з TensorFlow.
Коментарі