Свързани публикации 'statistics'


Лъжи, големи лъжи и наука за данните?
Лъжи, големи лъжи и наука за данните? Сигурен съм, че с цялата шумотевица около науката за данните, машинното обучение и изкуствения интелект сте останали с впечатлението, че данните са безпогрешни. Хората, изграждащи тези модели, са магьосници, които знаят какво правят. Учените по данни са тук, за да революционизират всяка индустрия, имате проблем, те ще измислят решение, при условие че разполагате с данните. Нищо не може да бъде по-далеч от истината. В действителност науката за..
Защо етичният AI е труден и още по-труден без причинно-следствени изводи
Да се ​​твърди, че етичният AI не е лесна тема, всъщност е лесно. Просто помислете за двете думи етичен и AI отделно. И двете думи се отнасят до концепции, върху които са написани много книги. Въпреки това в тази публикация ще твърдя, че етичният ИИ е по-труден без причинно-следствени изводи (CI). И да, по тази тема също има написани много книги. В скорошна статия Traag и Waltman (2022) използват структурни причинно-следствени модели (SCM), ключов компонент на CI, за да..
Препоръки за книги: Елементите на статистическото обучение
В бързо развиващата се област на науката за данни, да имате силно разбиране на фундаменталните концепции и техники е от решаващо значение за успеха. Като амбициозни учени в областта на данните, ние често се оказваме, че навигираме в огромно море от алгоритми и методи, търсейки надежден компас, който да ни води в нашите водени от данни пътувания. В това преследване „Елементите на статистическото обучение“ от Тревър Хасти, Робърт Тибширани и Джеръм Фридман блести като фар на знанието,..
Факторният проблем на Джулия
Преди около седмица усъвършенствах статистическия модул от пакета Lathe , когато се натъкнах на нещо, което според мен е много интересно и нелепо „нещо“ в езика Julia. Julia е език за програмиране, добре известен със своята статистическа мощ и ефективност при решаване на сложни проблеми с машинно обучение за миг на око. Имайки предвид репутацията на Джулия, това прави проблема, с който се сблъсках, още по-интересен. Биномиално разпределение Биномиалното разпределение е страхотно..
Познайте по-добре своите модели за машинно обучение с интерпретируемостта на модела
Въведение Машинното обучение се превърна в решение на много проблеми, управлявани от данни. Независимо дали става дума за идентифициране на измамни транзакции в банкова система, прогнозиране на кредити, прогнозиране на ранни стадии на определено заболяване или прогнозиране на отлив на клиенти. С автоматизацията, която замества много от повтарящите се процеси, и използването на ML модели повдига редица въпроси. Как можем да разчитаме на производителността на конкретен модел само..
МЯРКА ЗА АСИМЕТРИЯ
Моето пътешествие в областта на науката за данни с @10Alytics, @Ikpoefemena и @Adeiza Suleman беше изключително феноменално. Изключително съм щастлив, че направих стъпката към изучаването на Data Science, което е един отличен начин за решаване на вечни проблеми, пред които е изправен светът във всеки аспект на неговото начинание. Всички се сблъскваме с данни и използването им всяка минута от деня. Вариращи от това колко хора са покровителствали вашия малък до голям бизнес вчера в сравнение..
Вероятност и статистика за науката за данни, част-1
Вероятността и статистиката формират основата на Data Science. Теорията на вероятностите е много полезна за правене на прогнози. Оценките и прогнозите са важна част от науката за данните. С помощта на статистически методи правим оценки за по-нататъшен анализ. По този начин статистическите методи до голяма степен зависят от теорията на вероятностите. И всички вероятности и статистики зависят от данните. Данни Данните са събраната информация (наблюдения), която имаме за нещо или факти..