Пошаговое построение логистической регрессии в Python

Поэтапная реализация на примере банковского прогноза покупки депозита с подробным описанием всех шагов, включая изучение данных, создание индикаторных переменных, over-sampling и рекурсивное исключение признаков.

https://nuancesprog.ru/p/8729

@machinelearning_ru #статьи #Python #DataScience

🎼 Автоматическое создание музыки с помощью искусственного интеллекта

Заменит ли искусственный интеллект музыкантов? Такая вероятность есть, но точно не в этом году. А пока представим вашему вниманию три компании, разработчики которых однажды смогут поучаствовать в борьбе за Грэмми. Без Илона Маска, конечно же, не обошлось. И расскажем, какие подходы они используют.

https://nuancesprog.ru/p/11483

@machinelearning_ru #статьи #ArtificialIntelligence #DataScience

🔥 210 проектов машинного обучения (с исходным кодом), которые вы можете создать уже сегодня

Список проектов

@machinelearning_ru

🚀 Реализация MetNet-3, нейронной модели погоды SOTA из Google Deepmind, в #Pytorch

https://github.com/lucidrains/metnet3-pytorch

#machinelearning #ml #ai #neuralnetworks #datascience #deeplearning

@machinelearning_ru

🦎Armadillo - библиотека ML на С++

Armadillo — это библиотека линейной алгебры на C++, разработанная НИЦТА и независимыми участниками, применяемая для научных вычислений в машинном обучении и других областях, таких как биоинформатика и компьютерное зрение. Библиотека оптимизирует вычисления благодаря многопоточности OpenMP и предоставляет интерфейс, похожий на MATLAB. Подходит для быстрой реализации научных исследований в продуктивные среды.

#machinelearning #DataScience #python #AI #DeepLearning #cplusplus #mlalgorithms #DataVisualization #jobs

📎 Описание либы

@machinelearning_ru

📘 Глубокое обучение на 189 страницах - бесплатная книга

The Little Book of Deep Learning Франсуа Флёре, профессора Женевского университета, объясняет основы обучения нейросетей и устройство популярных архитектур.

Внутри:

* градиентный спуск и обратное распространение ошибки;
* переобучение, dropout и нормализация;
* свёрточные сети, attention и трансформеры;
* генерация текста и изображений;
* квантование, адаптеры и объединение моделей.

Краткие объяснения сопровождаются формулами и схемами. PDF специально свёрстан для чтения с телефона. Книга на английском.

https://fleuret.org/public/lbdl.pdf

#DeepLearning #MachineLearning #DataScience