دسته ماشین لرنینگ

مهندسی ویژگی یک فرآیند کلیدی در اکثر گردش کار تجزیه و تحلیل داده ها است ، به خصوص هنگام ساخت مدل های یادگیری ماشین. منبع: machinelearningmastery.com

این پست به سه قسمت تقسیم می شود. آنها عبارتند از: • درک تعبیه های کلمه ای • استفاده از تعبیه های کلمه ای از پیش داده شده • آموزش Word2Vec با Gensim • آموزش Word2Vec با Pytorch • تعبیه…

مدل های یادگیری ماشین به طور فزاینده ای پیچیده شده اند ، اما این پیچیدگی اغلب به هزینه تفسیر می رسد. منبع: machinelearningmastery.com

کمیت یک استراتژی متداول است که برای مدل های یادگیری ماشین تولید ، به ویژه مدل های بزرگ و پیچیده اعمال می شود ، تا آنها را با کاهش دقت عددی پارامترهای مدل (وزنه ها) سبک کند-معمولاً از نقطه شناور…

این پست به پنج قسمت تقسیم می شود. آنها عبارتند از: • توکن سازی ساده لوح • نشاط و لیماتیزاسیون • رمزگذاری جفت بایت (BPE) • کلمه قطعه • جمله و unigram ساده ترین شکل توکن سازی متن را بر…

توسعه مدل یادگیری ماشین اغلب مانند پیمایش در پیچ و خم ، هیجان انگیز اما پر از پیچ و تاب ، بن بست و غرق شدن زمان احساس می شود. منبع: machinelearningmastery.com

در توسعه مدل یادگیری ماشین ، مهندسی ویژگی نقش مهمی را ایفا می کند زیرا داده های دنیای واقعی اغلب با سر و صدا ، مقادیر از دست رفته ، توزیع های کم رنگ و حتی قالب های متناقض همراه…

یادگیری یادگیری ماشین می تواند چالش برانگیز باشد. منبع: machinelearningmastery.com

این مقاله به سه بخش تقسیم می شود. آنها عبارتند از: • مدل های ترانسفورماتور کامل: معماری رمزگذار-ادویه • فقط مدل های رمزگذار • مدل های رمزگذار فقط معماری ترانسفورماتور اصلی ، معرفی شده در “توجه همه شما نیاز دارید”…