Habr, hallo!
In der letzten Ausgabe habe ich gesagt, dass ich den
Telegrammkanal für den Digest gestartet habe, und heute möchte ich die Nachricht teilen, dass ich auch
Facebook- ,
Twitter- und
LinkedIn- Seiten dafür habe. Ich lade alle ein, sich ihnen anzuschließen.
Außerdem haben wir
heute einen Auszug über Product Hunt veröffentlicht , der weiß, dass dies diejenigen sind, die wissen, was zu tun ist;)
In der Zwischenzeit biete ich eine frische Auswahl an Materialien unter dem Schnitt an.
Artikel
- Benchmarking Edge Computing - Vergleich von ML-Computern mit einer Karte wie dem Coral Dev Board, dem NVIDIA Jetson Nano, dem Coral USB Accelerator, dem Movidus Neural Compute Stick und dem Intel Neural Compute Stick 2.
- Das Google Coral Edge TPU-Board gegen das NVIDIA Jetson Nano Dev-Board ist ein weiterer Vergleich zweier Single-Board-Computer.
- Erste Schritte mit dem NVIDIA Jetson Nano - eine detaillierte Anleitung für den Einstieg in den NVIDIA Jetson Nano: vom ersten Durchlauf bis zur Verwendung zum Klassifizieren und Erkennen von Objekten.
- Objekterkennung und Bildklassifizierung mit Google Coral USB Accelerator - Ein Artikel zur Verwendung von Google Coral USB Accelerator zum Klassifizieren und Erkennen von Objekten in Bildern oder Videos.
- Random Forests for Complete Beginners ist ein guter Artikel für Neulinge über zufällige Wälder und Entscheidungsbäume.
- Einführung in die d3-Regression - die Grundlagen der Arbeit mit der d3-Regression - D3.js-Modul zur Berechnung statistischer Regressionen aus zweidimensionalen Daten.
- In einem End-to-End-Projekt zur Zeitreihenanalyse und -prognose mit Python geht es darum, wie Zeitreihen für instationäre Daten wie Wirtschaftsdaten, Wetter, Aktienkurse und Einzelhandelsumsätze verwendet werden. Es werden verschiedene Ansätze zur Prognose von Einzelhandelsumsätzen anhand von Zeitreihen betrachtet.
- Verwenden des Verstärkungslernens zum Entwerfen eines besseren Raketentriebwerks - Erfahren Sie, wie das Verstärkungslernen beim Entwurf von Raketentriebwerken verwendet wird.
- Top 5 interessante Anwendungen von GANs für jeden Liebhaber des maschinellen Lernens - Ein Überblick über fünf beliebte GAN-Anwendungsfälle, die in der Branche weit verbreitet sind: GAN für die Bildbearbeitung, GAN für die Sicherheit, Datengenerierung mit GAN, GAN für die Vorhersage der Aufmerksamkeit, GAN für die Erzeugung von 3D -Objekte.
- Ein Empfehlungsmodell mit PyTorch - Was ist probabilistische Matrixfaktorisierung und wie kann sie für Empfehlungssysteme verwendet werden ?
- Einfache Bildklassifizierung mit TensorFlow 2.0 - Lernen Sie TensorFlow 2.0 kennen und verwenden Sie es in der klassischen Bildklassifizierung.
- Bayes-Theorem in einem Bild
- Erweiterte Keras - Erstellen komplexer benutzerdefinierter Verluste und Metriken - zum Erstellen benutzerdefinierter Verlustfunktionen in Keras, die andere Argumente als y_true und y_pred empfangen können.
- Best of arXiv.org für KI, maschinelles Lernen und Deep Learning - März 2019 - die besten arXiv.org- März-Artikel von insideBIGDATA.
Projekt
Datensätze
Bücher
Konferenzen
Vielen Dank, dass Sie diese Ausgabe gelesen haben. Ich hoffe, jeder hat etwas Nützliches für sich gefunden. Ich wäre dankbar für Vorschläge für die nächste Verdauung.
← Vorherige Version:
Data Science Digest (April 2019)