Публикации по теме 'science'


Как работает вероятностно-логическое программирование, часть 2 (искусственный интеллект)
Программирование нейронной вероятностной логики в дискретно-непрерывных областях (arXiv) Автор: Леннерт Де Смет , Педро Зюйдберг Дос Мартирес , Робин Манхаев , Джузеппе Марра , Анжелика Киммиг , Люк Де Рэдт . Аннотация: Нейросимволический ИИ (NeSy) позволяет нейронным сетям использовать символические фоновые знания в форме логики. Было показано, что это помогает обучению в режиме ограниченных данных и облегчает вывод на основе данных вне распределения. Вероятностный NeSy..
Просто признайте это  — «Недостатки производственного ИИ не безобидны.
"Наука о данных  – это междисциплинарная область, в которой используются научные методы, процессы, алгоритмы и системы для извлечения знаний и идей из множества структурированных и неструктурированных данных. Наука о данных связана с интеллектуальным анализом данных, глубоким обучением и большими данными». Википедия Неудачное тестирование на людях может привести к результатам, имитирующим хаос, возникающий из-за политической неопределенности во время сражений военного времени с..
О математической нотации и коммуникации в машинном обучении
Почему лингвистика математики важна в программировании и технологиях Основные моменты DataSeries: Математика - это, по сути, язык. А язык - это человеческое творение, очень выразительное, но полное предполагаемых фоновых знаний и нечетких значений. В этой статье рассматривается взаимосвязь между тем, как мы пишем математику, программированием и технологиями. Математики любят говорить, что математические обозначения однозначны. Тогда объясни это. Пусть это будет рисунок 1:..
Как я сдал экзамен по машинному обучению AWS
Недавно у меня была возможность сдать экзамен по специальности машинного обучения AWS , и я хотел поделиться своим опытом и некоторыми советами, которые мне пригодились при подготовке к экзамену. ПРИМЕЧАНИЕ. Все мнения являются моими собственными и не отражают точку зрения моего работодателя Прежде всего, важно иметь прочную основу в концепциях и методах машинного обучения. Это включает в себя понимание различных типов алгоритмов, как они работают и когда их использовать. В..
Понимание модели Изинга (термодинамика)
Метаобучение для выбора многомерной модели Изинга с использованием ℓ1-регуляризованной логистической регрессии ( arXiv ) Автор: Хуимин Се , Жан Онорио Аннотация: В этой статье мы рассматриваем проблему метаобучения для оценки графов, связанных с многомерными моделями Изинга, с использованием метода ℓ1-регуляризованной логистической регрессии для выбора окрестности каждого узла. Наша цель - использовать информацию, полученную из вспомогательных задач, при обучении новой..
Намасте Брэндон,
Намасте Брэндон , Большое спасибо, Ман. Я очень ценю, что вы нашли время ответить. Да, эти два пункта также являются моими любимыми. Надеюсь увидеть вас снова в моих будущих постах. 🙂 Оставайтесь в безопасности.
Корреляция (II): как определить проблему суррогатной конечной точки?
Эта задача не имеет известного решения! Когда дело доходит до понятия корреляции, проблема суррогатной конечной точки представляет собой очень постоянную проблему, которую никто не решил до сегодняшнего дня. Это тонко застает исследователей врасплох и приводит к ложным выводам и решениям.