Data Mining

  • Хабрахабр

    Подборка датасетов для машинного обучения

    Syurmakov сегодня в 19:23 Привет, читатель! В ней я, для начала, соберу подборку интересных и свежих (относительно) датасетов. Перед тобой статья-путеводитель по открытым наборам данных для машинного обучения. А бонусом, в конце статьи, прикреплю полезные ссылки по самостоятельному поиску датасетов. Меньше слов, больше данных. Данные смертей и сражений из игры престолов — этот набор данных объединяет три источника данных, каждый…

    Подробнее »
  • Хабрахабр

    [Перевод] Ищем свободное парковочное место с Python

    Но, как и во многих других, поиск парковочного места всегда превращается в испытание. Я живу в хорошем городе. Свободные места быстро занимают, и даже если у вас есть своё собственное, друзьям будет сложно к вам заехать, ведь им будет негде припарковаться. Поэтому я решил направить камеру в окно и использовать глубокое обучение, чтобы мой компьютер сообщал мне, когда освободится место:…

    Подробнее »
  • Хабрахабр

    Получаем абсолютные курсы из парных кросс-курсов валют

    Проект: “Абсолютный курс валют” Введение О проекте Проект “Абсолютный курс валют” занимается анализом парных валютных курсов, выделением из них абсолютных валютных курсов и их анализом. Для этого определена абсолютная валюта ABS. В рамках проекта получена методика преобразования от парных курсов к абсолютным валютным курсам. Курсы всех имеющихся валют выражаются в отношении к ABS. Исследуются различные применения абсолютных курсов валют. В…

    Подробнее »
  • Хабрахабр

    Почему вам стоит участвовать в хакатонах

    За этот временной промежуток я успел принять участие в более чем 20 мероприятиях различного масштаба и тематик в Москве, Хельсинки, Берлине, Мюнхене, Амстердаме, Цюрихе и Париже. Примерно полтора года назад я начал участвовать в хакатонах. Мне нравится приезжать в новые для себя города, налаживать новые контакты, придумывать свежие идеи, реализовывать старые задумки за короткий промежуток времени и адреналин во время…

    Подробнее »
  • Хабрахабр

    О разложении многоканального отклика системы по «псевдособственным» формам колебаний

    Обклеенный десятками датчиков «объект исследований» при натурных динамических испытаниях (например, при исследовании виброактивности транспортного средства) легко обеспечивает нас большим объемом полученных данных, но вот что с ними делать, зачастую не очень-то ясно. То же самое — при симуляционом моделировании динамических процессов систем с большим количеством степеней свободы. Это может быть не совсем понятно тем, кто не сталкивается с проблемой регулярно,…

    Подробнее »
  • Хабрахабр

    [Перевод] Пошаговое руководство по созданию голосового помощника с Python

    Всем привет! Эта роскошь теперь доступна благодаря голосовым помощникам на основе искусственного интеллекта. Кто не хочет роскошь иметь помощника, который всегда прислушивается к вашему звонку, предвидит все ваши потребности и при необходимости принимает меры? Они могут включать свет, отвечать на вопросы, играть музыку, размещать онлайн-заказы и делать все виды искусственного интеллекта. Голосовые помощники поставляются в небольших упаковках и могут выполнять…

    Подробнее »
  • Хабрахабр

    Создаем с нуля собственную нейронную сеть на Python

    На повестке дня интересная тема — будем создавать с нуля собственную нейронную сеть на Python. Всем привет! В ее основе обойдемся без сложных библиотек (TensorFlow и Keras). В работе биологической нейронной сети от входов сети к выходам передается электрический сигнал (в процессе прохода он может изменяться). Основное, о чем нужно знать — искусственная нейронная сеть может быть представлена в виде…

    Подробнее »
  • Хабрахабр

    Об удалении тренда из экспериментальных данных

    При анализе экспериментально полученных стационарных временных рядов, как правило, при предварительной подготовке (препроцессинге) данных возникает необходимость в подавлении имеющегося в них тренда. Здесь будет предложен «новый» метод выделения тренда — простой, очевидный и пригодный для очень сложных видов тренда. Наиболее частой причиной тренда в экспериментально полученных данных является «дрейф нуля» регистрирующей аппаратуры. Под трендом обычно понимают сверхнизкочастотную негармоническую компоненту, резко…

    Подробнее »
  • Хабрахабр

    Об удалении тренда из экспериментальных данных

    При анализе экспериментально полученных стационарных временных рядов, как правило, при предварительной подготовке (препроцессинге) данных возникает необходимость в подавлении имеющегося в них тренда. Здесь будет предложен «новый» метод выделения тренда — простой, очевидный и пригодный для очень сложных видов тренда. Наиболее частой причиной тренда в экспериментально полученных данных является «дрейф нуля» регистрирующей аппаратуры. Под трендом обычно понимают сверхнизкочастотную негармоническую компоненту, резко…

    Подробнее »
  • Хабрахабр

    SNA Hackathon 2019 — итоги

    Жесткий онлайн отбор и двое суток напряженной работы над 160 гигабайтами данных не прошли даром :). 1-го апреля завершился финал SNA Hackathon 2019, участники которого соревновались в сортировке ленты социальной сети с использованием современных технологий машинного обучения, компьютерного зрения, обработки тестов и рекомендательных систем. Рассказываем о том, что помогло участникам прийти к успеху и о других интересных наблюдениях. На конкурс…

    Подробнее »


Кнопка «Наверх»
Закрыть