В предыдущей статье я описал методы трансформации данных и построения модели в QlikView (далее – QV). Следующим этапом разработки является создание непосредственно дэшборда (далее –DB), который будет доступен для пользователей. Проект DB  представляет из себя лист или набор листов, на которых расположены объекты визуализации данных: Добавить лист  можно при помощи пункта меню «Layout-Add Sheet…». Удалить […]

Переводим жесты в текст с помощью Long Short-Term Memory.

Наверняка у каждого хотя бы раз было такое желание, чтоб написать комментарий и получить массу лайков за него. Но тут возникает вопрос: а что нужно написать, чтобы получить максимальное количество лайков? И для этого можно использовать машинное обучение!

В 1913 году Генри Форд запустил первый сборочный конвейер по сборке генераторов. Как итог: сокращение сборки генератора с 20 до 5 минут. Принцип готовый промежуточный результат передается дальше по конвейеру был применен в специальных функциях Oracle.

Как быстро сформировать фреймы видео? Какой наиболее оптимальный и наименее ресурсоемкий инструмент Computer Vision при нарезке видео на кадры? Делюсь результатами проведенного сравнительного анализа работоспособности OpenCV и MoviePy.

В рамках дипломного проекта, мне необходимо создать программу, которая сможет классифицировать различные дорожные знаки. За основу я возьму 3 распространённых дорожных знака, чтобы на их примере оценить работоспособность и в дальнейшем принимать решения по улучшению нейронки.

В предыдущей статье я описал методы трансформации данных и построения модели в QlikView (далее – QV). Следующим этапом разработки является создание непосредственно дэшборда (далее –DB), который будет доступен для пользователей. Проект DB  представляет из себя лист или набор листов, на которых расположены объекты визуализации данных: Добавить лист  можно при помощи пункта меню «Layout-Add Sheet…». Удалить […]

Переводим жесты в текст с помощью Long Short-Term Memory.

Наверняка у каждого хотя бы раз было такое желание, чтоб написать комментарий и получить массу лайков за него. Но тут возникает вопрос: а что нужно написать, чтобы получить максимальное количество лайков? И для этого можно использовать машинное обучение!

В 1913 году Генри Форд запустил первый сборочный конвейер по сборке генераторов. Как итог: сокращение сборки генератора с 20 до 5 минут. Принцип готовый промежуточный результат передается дальше по конвейеру был применен в специальных функциях Oracle.

Как быстро сформировать фреймы видео? Какой наиболее оптимальный и наименее ресурсоемкий инструмент Computer Vision при нарезке видео на кадры? Делюсь результатами проведенного сравнительного анализа работоспособности OpenCV и MoviePy.

В рамках дипломного проекта, мне необходимо создать программу, которая сможет классифицировать различные дорожные знаки. За основу я возьму 3 распространённых дорожных знака, чтобы на их примере оценить работоспособность и в дальнейшем принимать решения по улучшению нейронки.

Обеспечение постоянной доступности к данным является жестким ограничением для применения машинного обучения в большинстве приложений из реального мира, где данные генерируются непрерывно.
Непрерывное обучение отлично показывает себя в задачах прогнозирования временных рядов, фильтрации спама, рекомендательных системах, прогнозировании CTR и интернете вещей. Подробнее расскажем в этой статье

В этой статье я хочу поделиться с вами альтернативой Pandas, которая работает в 2 раза быстрее. Polars – одна из малоизвестных библиотек, выпущенная летом 2021 года. Стоит отметить, что Polars такой быстрый за счет реализации библиотеки на языке Rust и использования Apache Arrow в качестве основы. Давайте проведем сравнение быстродействия этих двух библиотек

Друзья, известно, что линейная регрессия — это алгоритм Machine Learning, базирующийся на обучении с учителем. Регрессия моделирует целевое значение прогноза на основе независимых переменных. Алгоритм применяется для определения взаимосвязи между переменными и прогнозирования.
В этой статье я покажу, как можно использовать библиотеки Python для того, чтобы создать линейную регрессию на имеющемся заданном наборе данных. В частности, будет использована бинарная линейная модель, чтобы было проще визуализировать ее.

Одной из задач обработки естественного языка является разделение коллекции текстов на темы, а также, выделение ключевых слов. Это делается для того, чтобы категорировать документы, например, для удобного поиска или получения общего представления о всей коллекции.
В данной статье рассказывается о библиотеке BigARTM (Python) для разделения текстов по тематикам.

Приходится ли Вам обрабатывать табличные данные на персональных компьютерах? Зачастую обработка таких данных выполняется с помощью Python и библиотеки Pandas.
Несмотря на удобство и широкий функционал библиотеки Pandas, обработка с её помощью больших наборов данных становится затруднительной. Преодолеть ограничения, связанные с большим объемом данных, позволяет библиотека Dask.

В предыдущей статье я описал методы трансформации данных и построения модели в QlikView (далее – QV). Следующим этапом разработки является создание непосредственно дэшборда (далее –DB), который будет доступен для пользователей. Проект DB  представляет из себя лист или набор листов, на которых расположены объекты визуализации данных: Добавить лист  можно при помощи пункта меню «Layout-Add Sheet…». Удалить […]

Переводим жесты в текст с помощью Long Short-Term Memory.

Наверняка у каждого хотя бы раз было такое желание, чтоб написать комментарий и получить массу лайков за него. Но тут возникает вопрос: а что нужно написать, чтобы получить максимальное количество лайков? И для этого можно использовать машинное обучение!

В 1913 году Генри Форд запустил первый сборочный конвейер по сборке генераторов. Как итог: сокращение сборки генератора с 20 до 5 минут. Принцип готовый промежуточный результат передается дальше по конвейеру был применен в специальных функциях Oracle.

Как быстро сформировать фреймы видео? Какой наиболее оптимальный и наименее ресурсоемкий инструмент Computer Vision при нарезке видео на кадры? Делюсь результатами проведенного сравнительного анализа работоспособности OpenCV и MoviePy.

В рамках дипломного проекта, мне необходимо создать программу, которая сможет классифицировать различные дорожные знаки. За основу я возьму 3 распространённых дорожных знака, чтобы на их примере оценить работоспособность и в дальнейшем принимать решения по улучшению нейронки.

Обеспечение постоянной доступности к данным является жестким ограничением для применения машинного обучения в большинстве приложений из реального мира, где данные генерируются непрерывно.
Непрерывное обучение отлично показывает себя в задачах прогнозирования временных рядов, фильтрации спама, рекомендательных системах, прогнозировании CTR и интернете вещей. Подробнее расскажем в этой статье

В этой статье я хочу поделиться с вами альтернативой Pandas, которая работает в 2 раза быстрее. Polars – одна из малоизвестных библиотек, выпущенная летом 2021 года. Стоит отметить, что Polars такой быстрый за счет реализации библиотеки на языке Rust и использования Apache Arrow в качестве основы. Давайте проведем сравнение быстродействия этих двух библиотек

Друзья, известно, что линейная регрессия — это алгоритм Machine Learning, базирующийся на обучении с учителем. Регрессия моделирует целевое значение прогноза на основе независимых переменных. Алгоритм применяется для определения взаимосвязи между переменными и прогнозирования.
В этой статье я покажу, как можно использовать библиотеки Python для того, чтобы создать линейную регрессию на имеющемся заданном наборе данных. В частности, будет использована бинарная линейная модель, чтобы было проще визуализировать ее.

Одной из задач обработки естественного языка является разделение коллекции текстов на темы, а также, выделение ключевых слов. Это делается для того, чтобы категорировать документы, например, для удобного поиска или получения общего представления о всей коллекции.
В данной статье рассказывается о библиотеке BigARTM (Python) для разделения текстов по тематикам.

Приходится ли Вам обрабатывать табличные данные на персональных компьютерах? Зачастую обработка таких данных выполняется с помощью Python и библиотеки Pandas.
Несмотря на удобство и широкий функционал библиотеки Pandas, обработка с её помощью больших наборов данных становится затруднительной. Преодолеть ограничения, связанные с большим объемом данных, позволяет библиотека Dask.

В Hive запросы даже небольших объемов данных занимают минуты. Предлагаем ознакомиться с основными методами автоматизации, позволяющими достичь существенного увеличения производительности.

Что делать, если у Вас большой лог-файл для построения графа процесса и ваш компьютер очень долго пытается произвести все необходимые вычисления? Есть решение: вы можете использовать Hadoop и библиотеку PM4PY!