Mem Data Science – pomoże w nauce?

Tory

Internet rządzi się swoimi prawami. Szczególnie, od kiedy na dobre zadomowiło się Web 2.0, czyli takie strony internetowe gdzie to użytkownicy tworzą prawie całą treść. Do klasycznych kreacji ludzkości takich jak np. muzyka, tekst i obrazy dołączyły memy. Czym są memy? W najprostszej interpretacji są to śmieszne obrazki z prostym przekazem, odnoszące się często do … Czytaj dalej Mem Data Science – pomoże w nauce?

Colab – Czyli jak za darmo uzyskać dostęp do GPU

Kawa

W czasie zajmowania się uczeniem maszynowym prędzej lub później trafimy na problem, który da się rozwiązać bardzo efektywnie - ale w zasadzie tylko przy użyciu głębokich sieci neuronowych. Takimi problemami są na przykład wszystkie problemy związane z klasyfikacją obrazów. Oczywiście możemy podchodzić do nich poprzez interpretację pojedynczych pikseli, ale uzyskane wyniki będą dalekie od tego, … Czytaj dalej Colab – Czyli jak za darmo uzyskać dostęp do GPU

LANL Earthquake Prediction – konkurs Kaggle

Krasnal - Górnik

Od jakiegoś czasu już przymierzam się do napisania serii postów dotyczących konkursów uczenia maszynowego Kaggle. Czekałem na jakiś fajny konkurs, który będzie wdzięcznym tematem takich postów. Konkursy Kaggle mają to do siebie, że dotyczą na ogół bardzo wąskiego tematu i problemów z nim związanych. Są tam prawdziwe zbiory danych i prawdziwe problemy biznesowe. Ale najlepsze … Czytaj dalej LANL Earthquake Prediction – konkurs Kaggle

Dlaczego warto zainteresować się Scikit-Learn?

Sedesowce

Gdy zaczynamy przygodę z uczeniem maszynowym w Pythonie, możemy się poczuć trochę zagubieni. Zastanawiamy się, czy mamy tworzyć nasze rozwiązania wykorzystując tylko i wyłącznie własny kod. A może skorzystać z istniejących już modułów? Szukać jakichś nowinek, które będą implementować nowe i ciekawe pomysły, czy opierać się o przetestowane "starocie", które mają trochę starych standardów, ale … Czytaj dalej Dlaczego warto zainteresować się Scikit-Learn?

Accuracy, precision, recall, F1 – co to za czary?

Gęś

Jeżeli zajmujemy się uczeniem nadzorowanym, to rozwiązujemy jakiś problem na bazie cech niezależnych i wynikających z nich cech zależnych. Nasz program "ogląda" cechy niezależne z każdej strony i próbuje stworzyć jakąś relację między nimi a cechami zależnymi. Na przykład w czasie badania wyszło, że przebadana osoba ma 1000 (jakiś) komórek w jednostce objętości i jest … Czytaj dalej Accuracy, precision, recall, F1 – co to za czary?