Публикации по теме 'heartbeat'


Наблюдаемость модели в машинном обучении
Мост между решениями, созданными в исследовательских лабораториях, и развернутыми в реальном мире Существует множество причин, по которым внедрение «доказательных» моделей машинного обучения в реальный мир может пойти не так. В настоящее время компании все еще находятся на этапе, когда показатели успешности моделей машинного обучения значительно различаются при применении к различным реальным приложениям, хотя это не из-за отсутствия попыток. Большинство крупных технологических..
Обслуживание моделей TensorFlow
После обучения модели TensorFlow и ее готовности к развертыванию вы, вероятно, захотите перенести ее в производственную среду. К счастью, TensorFlow позволяет сделать это с минимальными усилиями. В этой статье мы будем использовать предварительно обученную модель, сохранять ее и обслуживать с помощью TensorFlow Serving. Пошли! TensorFlow ModelServer TensorFlow Serving - это система, созданная с единственной целью - довести модели машинного обучения до производства. ModelServer..
Расширение возможностей пользователей с помощью усовершенствованного алгоритма поиска информации
Узнайте об Okapi BM25, алгоритме поиска на основе «мешка слов». Цифровизация основана на принципе «клиент прежде всего» и с тех пор играет важную роль в обогащении пользовательского опыта. В этой статье объясняется, как алгоритм Okapi BM25 используется для повышения релевантности поиска и удобства пользователей в цифровом мире. Представьте себе случай, когда вам нужна книга, и вы идете в книжный магазин — вы завалены книгами и не знаете, как легко найти нужную книгу . Обратите..
Однократное обучение (часть 1/2): определения и основные методы
Изучение одного или нескольких обучающих примеров Однократное обучение - это задача классификации или категоризации объектов, в которой один или несколько примеров используются для классификации многих новых примеров. Исторически сложилось так, что алгоритмы глубокого обучения не работают должным образом, если у нас есть только один обучающий пример. Это связано с тем, что во многих задачах компьютерного зрения, таких как распознавание лиц, обнаружение мошенничества (например,..
Древние секреты компьютерного зрения 3 Джозефа Редмона - сжатые
Основы изображения: хранение, цветовые пространства и манипуляции Если вас интересует человеческое зрение, прочтите часть 2 здесь . Следуя тому, что мы узнали о человеческом зрении, теперь мы собираемся перенести часть этих знаний на компьютерное зрение (интересно, правда ?!). Чтобы быстро объяснить / резюмировать эту серию, Джозеф Редмон в сентябре 2018 года выпустил серию из 20 лекций по компьютерному зрению. Поскольку он является экспертом в этой области, я написал много..
Расширение набора данных для компьютерного зрения и почему вы можете делать это неправильно
Руководство по различиям между методами поступательного, вращательного и масштабного отклонения Отсутствие крупномасштабных помеченных наборов данных является серьезно ограничивающим фактором в обучении алгоритмов глубокого обучения для компьютерного зрения. Поскольку производительность CV-моделей во многом зависит от того, насколько репрезентативными для реальных сценариев являются точки данных, недостаточные и неполные данные часто являются одним из самых больших ограничений в..
Автоматизированное машинное обучение на Python
При применении моделей машинного обучения мы обычно выполняем предварительную обработку данных , разработку функций , извлечение функций и выбор функций . После этого мы выбирали лучший алгоритм и настраивали наши параметры для получения наилучших результатов. AutoML - это серия концепций и методов, используемых для автоматизации этих процессов. Преимущества AutoML Применение моделей машинного обучения к нашим проблемам обычно требует навыков информатики, предметной области и..