tgoop.com »
United States »
Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение » Telegram Web
Forwarded from Библиотека задач по Data Science | тесты, код, задания
❤1
👍 Автомодерация изображений: как исправлять нарушения, сохраняя количество и качество контента
Раньше объявления, нарушающие правила, просто блокировались. Теперь с помощью ML-системы их можно исправлять — это сохраняет контент, снижает затраты на модерацию и улучшает пользовательский опыт.
В статье подробно разбираются все этапы внедрения этой ML-механики: от идеи и исследования подходов до оптимизации нейросетей и вывода в продакшен.
🔗 Читайте подробнее: https://clc.to/bB7QNw
Раньше объявления, нарушающие правила, просто блокировались. Теперь с помощью ML-системы их можно исправлять — это сохраняет контент, снижает затраты на модерацию и улучшает пользовательский опыт.
В статье подробно разбираются все этапы внедрения этой ML-механики: от идеи и исследования подходов до оптимизации нейросетей и вывода в продакшен.
🔗 Читайте подробнее: https://clc.to/bB7QNw
❤3👍2😁1🤩1
This media is not supported in your browser
VIEW IN TELEGRAM
📌 Логистическая регрессия vs. Многослойный персептрон
На изображении сравниваются два метода классификации данных: логистическая регрессия (слева) и многослойный персептрон (MLP, справа) после 25 эпох обучения.
✅ Результаты показывают, что MLP лучше справляется с нелинейно разделимыми данными, в отличие от логистической регрессии, которая проводит лишь простую линейную границу.
На изображении сравниваются два метода классификации данных: логистическая регрессия (слева) и многослойный персептрон (MLP, справа) после 25 эпох обучения.
✅ Результаты показывают, что MLP лучше справляется с нелинейно разделимыми данными, в отличие от логистической регрессии, которая проводит лишь простую линейную границу.
❤3👍2🔥1
Forwarded from Data jobs — вакансии по data science, анализу данных, аналитике, искусственному интеллекту
📝 Почему твое резюме собирает мало просмотров: 6 главных ошибок и как их исправить
Гайд о том, как в несколько раз увеличить количество просмотров вашего резюме с помощью проверенных техник оптимизации профиля.
В этой статье мы разберем 6 ошибок, которые мешают вашему резюме появляться в поиске рекрутеров, и дадим рекомендации по их исправлению. Следуя этим советам, вы повысите видимость своего профиля и чаще будете попадать в поле зрения работодателей.
👉 Читать статью
Гайд о том, как в несколько раз увеличить количество просмотров вашего резюме с помощью проверенных техник оптимизации профиля.
В этой статье мы разберем 6 ошибок, которые мешают вашему резюме появляться в поиске рекрутеров, и дадим рекомендации по их исправлению. Следуя этим советам, вы повысите видимость своего профиля и чаще будете попадать в поле зрения работодателей.
👉 Читать статью
❤1
🔍 DeepFace — инструмент для распознавания лиц в Python
DeepFace — это лёгкий фреймворк для анализа лиц и их характеристик (возраст, пол, эмоции, раса). Он объединяет передовые модели, такие как VGG-Face, FaceNet, OpenFace, DeepID, ArcFace и другие.
Ссылка: https://clc.to/QiY9Dg
DeepFace — это лёгкий фреймворк для анализа лиц и их характеристик (возраст, пол, эмоции, раса). Он объединяет передовые модели, такие как VGG-Face, FaceNet, OpenFace, DeepID, ArcFace и другие.
Ссылка: https://clc.to/QiY9Dg
❤4👍2👏1
This media is not supported in your browser
VIEW IN TELEGRAM
📌 Как строится процесс разработки ML-решений?
Построение ML-решений — это командный процесс, требующий участия разных специалистов. От идеи до внедрения проходит несколько этапов:
👍 Визуализация отлично показывает, как все роли взаимодействуют друг с другом.
Построение ML-решений — это командный процесс, требующий участия разных специалистов. От идеи до внедрения проходит несколько этапов:
👍 Визуализация отлично показывает, как все роли взаимодействуют друг с другом.
👍2❤1
🔍 Заполнение пропущенных значений в данных
Реальные датасеты часто содержат пропуски, что мешает обучению моделей.
В этом туториале разберём различные стратегии заполнения пропусков с помощью
Реальные датасеты часто содержат пропуски, что мешает обучению моделей.
В этом туториале разберём различные стратегии заполнения пропусков с помощью
scikit-learn и научимся подготавливать данные для машинного обучения.👍4❤1🔥1😁1
Forwarded from Библиотека задач по Data Science | тесты, код, задания
Что выведет код?
Anonymous Quiz
21%
[1, 0, 0, 0, 4]
20%
[1, 0, 0, 4]
16%
[1, 0, 0, 0, 2, 3, 4]
42%
Error
Forwarded from Proglib.academy | IT-курсы
Big Data и Data Science применяются не только в IT-гигантах, но и в некоммерческом секторе, где технологии анализа данных помогают оптимизировать работу организаций, собирать средства и оказывать помощь эффективнее.
▪️ Как некоммерческие организации используют Data Science.
▪️ Оптимизация фондов и финансирования с помощью аналитики.
▪️ Роль прогнозных моделей в благотворительности.
▪️ Кейсы Amnesty International, Khan Academy и DataKind.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
📌 Паноптическая сегментация: когда важно всё
Семантическая сегментация определяет классы пикселей, инстанс-сегментация различает объекты одного типа, но что, если нужно и то, и другое?
🔍 Паноптическая сегментация объединяет оба подхода: каждому пикселю присваивается класс и уникальный ID объекта. Это крайне важно в компьютерном зрении, но и разметка данных здесь — одна из самых сложных задач.
💡 Как добиться высокой точности? Какие ошибки критичны? Разбираем в статье: https://clc.to/k-faZg
Семантическая сегментация определяет классы пикселей, инстанс-сегментация различает объекты одного типа, но что, если нужно и то, и другое?
🔍 Паноптическая сегментация объединяет оба подхода: каждому пикселю присваивается класс и уникальный ID объекта. Это крайне важно в компьютерном зрении, но и разметка данных здесь — одна из самых сложных задач.
💡 Как добиться высокой точности? Какие ошибки критичны? Разбираем в статье: https://clc.to/k-faZg
❤2👍2