Normalization vs Standardization — Quantitative analysis
این دو به اشتباه به جای هم زیاد به کار میرند. اما فرق دارند...
https://towardsdatascience.com/normalization-vs-standardization-quantitative-analysis-a91e8a79cebf
Normalization typically means rescales the values into a range of [0,1]. Standardization typically means rescales data to have a mean of 0 and a standard deviation of 1 (unit variance).
Table of Contests
0. Why are we here?
1. Out-of-the-box classifiers
2. Classifier + Scaling
3. Classifier + Scaling + PCA
4. Classifier + Scaling + PCA + Hyperparameter Tuning
5. All again on more datasets:
— 5.1 Rain in Australia dataset
— 5.2 Bank Marketing dataset
— 5.3 Income classification dataset
— 5.4 Income classification dataset
Conclusions
این دو به اشتباه به جای هم زیاد به کار میرند. اما فرق دارند...
https://towardsdatascience.com/normalization-vs-standardization-quantitative-analysis-a91e8a79cebf
Normalization typically means rescales the values into a range of [0,1]. Standardization typically means rescales data to have a mean of 0 and a standard deviation of 1 (unit variance).
Table of Contests
0. Why are we here?
1. Out-of-the-box classifiers
2. Classifier + Scaling
3. Classifier + Scaling + PCA
4. Classifier + Scaling + PCA + Hyperparameter Tuning
5. All again on more datasets:
— 5.1 Rain in Australia dataset
— 5.2 Bank Marketing dataset
— 5.3 Income classification dataset
— 5.4 Income classification dataset
Conclusions
Medium
Normalization vs Standardization — Quantitative analysis
Stop using StandardScaler from Sklearn as a default feature scaling method can get you a boost of 7% in accuracy!
نمونه کدهای یادگیری ماشین که میتونه براتون مفید باشه
https://github.com/rasbt/python-machine-learning-book-2nd-edition
https://github.com/rasbt/python-machine-learning-book-2nd-edition
GitHub
GitHub - rasbt/python-machine-learning-book-2nd-edition: The "Python Machine Learning (2nd edition)" book code repository and info…
The "Python Machine Learning (2nd edition)" book code repository and info resource - rasbt/python-machine-learning-book-2nd-edition
This media is not supported in your browser
VIEW IN TELEGRAM
#خبر
Announcing Support for Native Editing of Jupyter Notebooks in VS Code
https://devblogs.microsoft.com/python/announcing-support-for-native-editing-of-jupyter-notebooks-in-vs-code/
Announcing Support for Native Editing of Jupyter Notebooks in VS Code
https://devblogs.microsoft.com/python/announcing-support-for-native-editing-of-jupyter-notebooks-in-vs-code/
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#دوره_آموزشی
#ظرفیت_محدود
دوره پیشرفته یادگیری عمیق با محوریت شبکه های بازگشتی برگزار میگردد.
http://class.vision/product/deep2/
کد تخفیف 30 هزار تومانی مخصوص اعضای کانال:
cvision
این دوره پیش نیاز دارد. کد تخفیف 50 درصدی فیلم های پیش نیاز ارسال میگردد که در صورت نیاز استفاده شود.
پیش نیاز این دوره آشنایی با شبکه های کانولوشنالی و توانایی پیاده سازی در کراس است.
#ظرفیت_محدود
دوره پیشرفته یادگیری عمیق با محوریت شبکه های بازگشتی برگزار میگردد.
http://class.vision/product/deep2/
کد تخفیف 30 هزار تومانی مخصوص اعضای کانال:
cvision
این دوره پیش نیاز دارد. کد تخفیف 50 درصدی فیلم های پیش نیاز ارسال میگردد که در صورت نیاز استفاده شود.
پیش نیاز این دوره آشنایی با شبکه های کانولوشنالی و توانایی پیاده سازی در کراس است.
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
همان طور که قبلا اعلام شد، مباحث "دوره آموزشی پیشرفته یادگیری عمیق" که با محوریت RNNها در Tensorflow2 در محل صندوق نوآوری و شکوفایی برگزار خواهد شد نیاز به دانستن پیشنیازهای اعلام شده دارد.
در صورتی که با پیش نیازهای ذکر شده در توضیحات دوره آشنایی ندارید، میتوانید به مدت محدود و تا قبل از 10 آبان با 50 درصد تخفیف ویدئوی دوره 12 ساعته مقدماتی را با قیمت 50 هزار تومان تهیه نمایید.
⁉️چرا؟
تا با مشاهده فیلم ها در صورتی که احساس کردید میتوانید دوره پیشرفته را همراهی کنید ثبت نام خود را انجام دهید.
⁉️آیا لزوما باید دوره حضوری یا غیر حضوری قبلی را شرکت کرده باشم؟
ضرورتی به مشاهده فیلمهای دوره مقدماتی نیست و با هر منبعی پیش نیازهای ذکر شده در سایت یا به طور خلاصه تسلط به پیاده سازی یک شبکه کانولوشنالی ساده دلخواه برای تسک های طبقه بندی و رگرسیون را کسب کرده اید میتوانید در دوره پیشرفته شرکت کنید.
❌اما مهم است بدانید دوره جدید بدون دانستن پیش نیاز هیچ سودی برای شما نخواهد داشت.
کد تخفیف دوره قبل:
half
لینک ویدیوی دوره قبل:
http://class.vision/deeplearning-keras/
در صورتی که با پیش نیازهای ذکر شده در توضیحات دوره آشنایی ندارید، میتوانید به مدت محدود و تا قبل از 10 آبان با 50 درصد تخفیف ویدئوی دوره 12 ساعته مقدماتی را با قیمت 50 هزار تومان تهیه نمایید.
⁉️چرا؟
تا با مشاهده فیلم ها در صورتی که احساس کردید میتوانید دوره پیشرفته را همراهی کنید ثبت نام خود را انجام دهید.
⁉️آیا لزوما باید دوره حضوری یا غیر حضوری قبلی را شرکت کرده باشم؟
ضرورتی به مشاهده فیلمهای دوره مقدماتی نیست و با هر منبعی پیش نیازهای ذکر شده در سایت یا به طور خلاصه تسلط به پیاده سازی یک شبکه کانولوشنالی ساده دلخواه برای تسک های طبقه بندی و رگرسیون را کسب کرده اید میتوانید در دوره پیشرفته شرکت کنید.
❌اما مهم است بدانید دوره جدید بدون دانستن پیش نیاز هیچ سودی برای شما نخواهد داشت.
کد تخفیف دوره قبل:
half
لینک ویدیوی دوره قبل:
http://class.vision/deeplearning-keras/
Telegram
Tensorflow
#دوره_آموزشی
#ظرفیت_محدود
دوره پیشرفته یادگیری عمیق با محوریت شبکه های بازگشتی برگزار میگردد.
http://class.vision/product/deep2/
کد تخفیف 30 هزار تومانی مخصوص اعضای کانال:
cvision
این دوره پیش نیاز دارد. کد تخفیف 50 درصدی فیلم های پیش نیاز ارسال میگردد…
#ظرفیت_محدود
دوره پیشرفته یادگیری عمیق با محوریت شبکه های بازگشتی برگزار میگردد.
http://class.vision/product/deep2/
کد تخفیف 30 هزار تومانی مخصوص اعضای کانال:
cvision
این دوره پیش نیاز دارد. کد تخفیف 50 درصدی فیلم های پیش نیاز ارسال میگردد…
Forwarded from Academy and Foundation unixmens | Your skills, Your future (yashar esmaildokht 🐧)
محبوبترین کتابهای هوشمصنوعی سال 2019
https://pbs.twimg.com/media/D9yDCvNWsAIrfjT.jpg
براساس اعلام کمپانی آمازون به ترتیب کتابهای ذیل در حوزههای هوشمصنوعی، علمداده، یادگیری عمیق و.... جز محبوبترین و پرفروشترین کتابهای سال 2019 بودهاند. حضور بیش از 6 کتاب در حوزههای یادگیری عمیق و آمار جز نکات قابل توجه این لیست هست.
1- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (لینک)
2- The Hundred-Page Machine Learning Book (+)
3- AI Superpowers: China, Silicon Valley, and the New World Order (+)
4- Deep Learning with Python (+)
5- Superintelligence: Paths, Dangers, Strategies (+)
6- An Introduction to Statistical Learning (+)
7- Deep Learning (Adaptive Computation and Machine Learning series) (+)
8- Pattern Recognition and Machine Learning (Information Science and Statistics) (+)
9- Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again (+)
10- The Elements of Statistical Learning (+)
جهت دانلود کتابهای فوق میتوانید از طریق وبسایت Libgen.is و یا سایر وبسایتهای مشابه اقدام نمایید.
لیست کامل برترین کتابهای سال 2019 حوزه هوشمصنوعی نیز در لینک زیر قرار داده شده است.
https://amzn.to/2YRE6Sj
@DataAnalysis
https://pbs.twimg.com/media/D9yDCvNWsAIrfjT.jpg
براساس اعلام کمپانی آمازون به ترتیب کتابهای ذیل در حوزههای هوشمصنوعی، علمداده، یادگیری عمیق و.... جز محبوبترین و پرفروشترین کتابهای سال 2019 بودهاند. حضور بیش از 6 کتاب در حوزههای یادگیری عمیق و آمار جز نکات قابل توجه این لیست هست.
1- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (لینک)
2- The Hundred-Page Machine Learning Book (+)
3- AI Superpowers: China, Silicon Valley, and the New World Order (+)
4- Deep Learning with Python (+)
5- Superintelligence: Paths, Dangers, Strategies (+)
6- An Introduction to Statistical Learning (+)
7- Deep Learning (Adaptive Computation and Machine Learning series) (+)
8- Pattern Recognition and Machine Learning (Information Science and Statistics) (+)
9- Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again (+)
10- The Elements of Statistical Learning (+)
جهت دانلود کتابهای فوق میتوانید از طریق وبسایت Libgen.is و یا سایر وبسایتهای مشابه اقدام نمایید.
لیست کامل برترین کتابهای سال 2019 حوزه هوشمصنوعی نیز در لینک زیر قرار داده شده است.
https://amzn.to/2YRE6Sj
@DataAnalysis
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#دوره_آموزشی
از حامیان دوره پیشرفته، مجموعههای
همتک، شناسا و صندوق نوآوری و شکوفایی هستند.
در 15 دقیقه ابتدای جلسه نخست 30 آبان میزبان دکتر خلیق رضوی، مدیرعامل مجموعه همتک خواهیم بود.
اطلاعات دوره:
https://www.tgoop.com/cvision/1461
از حامیان دوره پیشرفته، مجموعههای
همتک، شناسا و صندوق نوآوری و شکوفایی هستند.
در 15 دقیقه ابتدای جلسه نخست 30 آبان میزبان دکتر خلیق رضوی، مدیرعامل مجموعه همتک خواهیم بود.
اطلاعات دوره:
https://www.tgoop.com/cvision/1461
چندتا از قابلیت های جالب پایتون که به نظر Chip Huyen ، محقق NVIDIA و مدرس Stanford جالب بوده و در یک نوت بوک آورده شده.
https://nbviewer.jupyter.org/github/chiphuyen/python-is-cool/blob/master/cool-python-tips.ipynb
https://nbviewer.jupyter.org/github/chiphuyen/python-is-cool/blob/master/cool-python-tips.ipynb
آموزش تبدیل Jupyter Notebook به Rest API:
http://blog.class.vision/1398/08/jupyter_notebook_into_rest_api/
http://blog.class.vision/1398/08/jupyter_notebook_into_rest_api/
The Complete Python 3 Course: Beginner to Advanced!
دوره آموزش پایتون سایت Udemy رایگان شده و تا آخر امروز قابل دریافت است.
https://www.udemy.com/course/python-complete/?couponCode=A4BA83EA3F6518A1FBA4
منبع: @jadinet
دوره آموزش پایتون سایت Udemy رایگان شده و تا آخر امروز قابل دریافت است.
https://www.udemy.com/course/python-complete/?couponCode=A4BA83EA3F6518A1FBA4
منبع: @jadinet
#isint #numpy
توئیت اخیر جرمی هاوارد:
عدم کارایی تابع isin در numpy، چرا که set قبول نمیکنه و در مقابل دستور معادل با list comprehension تا ۱۰۰۰ برابر کند تره!
https://twitter.com/jeremyphoward/status/1193554679071821824?s=20
توئیت اخیر جرمی هاوارد:
عدم کارایی تابع isin در numpy، چرا که set قبول نمیکنه و در مقابل دستور معادل با list comprehension تا ۱۰۰۰ برابر کند تره!
https://twitter.com/jeremyphoward/status/1193554679071821824?s=20
Twitter
Jeremy Howard
numpy has an `isin` function, but it doesn't let you pass a set to it, and as a result it's >1000 times slower than a list comprehension. This seems... odd. Am I missing something?
https://twitter.com/MINIMALaq/status/1195042531442081793?s=20
مدتها بود که دنبال این بودم روشهای مختلف برای خلاص شدن از لوپ های زمانبر پایتون رو یاد بگیرم.
حالا این لوپ ها بیشتر کجا بودن؟ وقتی تو یه دیتافریم داشتم بالا پایین میکردم. اخیرا یه چیزی دیده بودم که بجای df.iterrows() از df.itertuples() استفاده کنید.
دیتا فریم ۴۱۶۴۵۳۸ تا ردیف داشت.
یکی ۵ ثانیه و یکی دیگه ۳۳۵ ثانیه طول کشیده یک عمل ثابت رو انجام بدن :)
مدتها بود که دنبال این بودم روشهای مختلف برای خلاص شدن از لوپ های زمانبر پایتون رو یاد بگیرم.
حالا این لوپ ها بیشتر کجا بودن؟ وقتی تو یه دیتافریم داشتم بالا پایین میکردم. اخیرا یه چیزی دیده بودم که بجای df.iterrows() از df.itertuples() استفاده کنید.
دیتا فریم ۴۱۶۴۵۳۸ تا ردیف داشت.
یکی ۵ ثانیه و یکی دیگه ۳۳۵ ثانیه طول کشیده یک عمل ثابت رو انجام بدن :)
Twitter
MINIMAL
مدتها بود که دنبال این بودم روشهای مختلف برای خلاص شدن از لوپ های زمانبر پایتون رو یاد بگیرم. حالا این لوپ ها بیشتر کجا بودن؟ وقتی تو یه دیتافریم داشتم بالا پایین میکردم. اخیرا یه چیزی دیده بودم که بجای df.iterrows() از df.itertuples() استفاده کنید. /تب
#خبر
این هفته ورژن 0.22 از کتابخونه محبوب sklearn منتشر شد.
یکی از Major Feature ها که الان نیاز داشتم و دیدم این هفته اضافه شده اینه که دیگه نیازی نیست برای رسم ROC Curve کد بزنیم و اضافش کرده
داکییومنت رسم:
https://scikit-learn.org/stable/visualizations.html#visualizations
ویژگی های دیگه جدید این نسخه:
https://scikit-learn.org/stable/whats_new/v0.22.html
این هفته ورژن 0.22 از کتابخونه محبوب sklearn منتشر شد.
یکی از Major Feature ها که الان نیاز داشتم و دیدم این هفته اضافه شده اینه که دیگه نیازی نیست برای رسم ROC Curve کد بزنیم و اضافش کرده
داکییومنت رسم:
https://scikit-learn.org/stable/visualizations.html#visualizations
ویژگی های دیگه جدید این نسخه:
https://scikit-learn.org/stable/whats_new/v0.22.html
XGBoost: An Intuitive Explanation
Ashutosh Nayak : https://towardsdatascience.com/xgboost-an-intuitive-explanation-88eb32a48eff
#MachineLearning #DataScience #RandomForest #Xgboost #DecisionTree
Ashutosh Nayak : https://towardsdatascience.com/xgboost-an-intuitive-explanation-88eb32a48eff
#MachineLearning #DataScience #RandomForest #Xgboost #DecisionTree
پا پایتون و دیتابیس گنجور، فال بگیرید
https://github.com/roholazandie/ganjoor
https://github.com/roholazandie/ganjoor
GitHub
roholazandie/ganjoor
Contribute to roholazandie/ganjoor development by creating an account on GitHub.
❌هیچ گاه از نوع داده mutable به عنوان آرگومان پیش فرض در توابع استفاده نکنید!
به جای آن از None به عنوان آرگومان استفاده کنید و این مسئله را در خود تابع مدیریت کنید.
به جای آن از None به عنوان آرگومان استفاده کنید و این مسئله را در خود تابع مدیریت کنید.
Forwarded from Tensorflow(@CVision) (Vahid Reza Khazaie)
SVM on GPUs:
https://github.com/Xtra-Computing/thundersvm
Gradient Boosting and Random Forest on GPUs:
https://github.com/Xtra-Computing/thundergbm
https://github.com/Xtra-Computing/thundersvm
Gradient Boosting and Random Forest on GPUs:
https://github.com/Xtra-Computing/thundergbm
GitHub
GitHub - Xtra-Computing/thundersvm: ThunderSVM: A Fast SVM Library on GPUs and CPUs
ThunderSVM: A Fast SVM Library on GPUs and CPUs. Contribute to Xtra-Computing/thundersvm development by creating an account on GitHub.