Learn more about Data Science - Section 14

资源理论：数学与工业的交汇处

在我对范畴论的介绍中，我提到它的一个应用是资源理论范畴论非常年轻和抽象，涵盖了各种各样的领域...

从机器学习中学习 | Vincent Warmerdam Calmcode，Explosion，数据科学

欢迎回到“从机器学习中学习”的系列访谈，深入探索机器学习的迷人世界随着人工智能改变着我们的世界，每一集都提供技术层面的...

窗口函数：数据工程师和数据科学家必备知识

在过去几年中，数据增长非常广泛，即使我们拥有各种各样的工具和技术，SQL仍然是大多数工具的核心它是其中之一...

利用pykrige和matplotlib进行地质变化的空间可视化

在处理地质和岩石物理数据时，我们经常希望了解数据在我们的领域或地区如何变化我们可以通过对实际测量数据进行网格化来实现...

高级数据科学家和金融科技领域机器学习工程师之旅

简介 认识Tajinder，一位经验丰富的高级数据科学家和机器学习工程师，他在数据科学这个快速发展的领域中取得了卓越的成就。Ta...

12个数据科学的思维模型

在不断发展的数据科学领域中，处理和分析数据的原始技术技能无疑对任何数据项目至关重要除了技术和软技能集之外，一个...

当您应该选择“汤普森抽样”而不是A/B测试

想象一下你有两个广告可以选择：红色和蓝色当然，你希望向用户展示点击率最高的广告回答这个问题最常见的方法是...

提升PyTorch在CPU上的推理能力：从训练后量化到多线程

使用模型选择、ONNX Runtime或OpenVINO的后训练量化以及ThreadPoolExecutor的多线程技术加速CPU上的推理时间

大数据分析：为什么对商业智能如此重要？

了解大数据和商业智能之间的关系

思维链提示有助于提高LLMs的推理能力

大型语言模型(LLM)已被证明在解决各种任务方面非常高效，从摘要文档到编写不同编程语言的代码此外，它们只会变得......

可视化多重共线性对多元回归模型的影响

在多元回归中，多重共线性发生在一个预测变量（自变量）与模型中的另一个或多个预测变量高度相关的情况下从理论上讲，正如我...

数据科学家的工具箱：利用scikit-learn的顶级功能取得成功

当大家使用sklearn来开发机器学习算法时，很少有人知道为什么这个库如此强大在这里，我们将了解其原因

2023年专业调参：10个令人困惑的XGBoost超参数及其调整方法

使用Optuna调整10个最令人困惑的XGBoost超参数的详细可视化教程

如何开始自己的家庭实验室进行数据分析的完整指南

我在Reddit的一些技术论坛上多次阅读到的一个表达是：“支付云服务只是租用别人的计算机”虽然我……

激励自注意力

为什么我们需要查询、键和值？揭开自注意力机制的面纱，以比算法优先方法更容易理解的方式

可视化社交网络以获取更好的见解：使用Python的NetworkX库分析和映射社交关系——第2部分

学习如何使用NetworkX和Python分析社交网络分析中的中心度测量

4个Pandas函数用于DataFrame的逐元素比较

在本文中，我们将学习四个不同的Pandas函数，可以用于此类任务我们还将进行示例，以更好地理解它们之间的差异和相似之处为...

ChatGPT生成的食品行业评论：现实主义评估

过去，我的大部分研究都使用生成对抗网络（GAN）来创建数据集的深度伪造图像我想这样做是为了增加我的数据集中信息的多样性...

掌握机器学习工作流的艺术：Transformer、Estimator和Pipeline的综合指南

不，我在这里告诉你，这还不够好事实上，在开始机器学习项目时，许多初学者和中级分析师都会匆忙制作中等水平的模型，缺乏...

如何使用Matplotlib Mosaic增强您的可视化

数据可视化非常重要仅从这句话中我们就可以开发出很多内容，但我相信你已经有了“画面”我相信这不是你第一次听到这个观点即使...