: Le paradoxe de minuit Imaginez ça. Vous construisez un modèle pour prédire la demande d’électricité ou les prises en charge des taxis. Ainsi, vous lui donnez du temps (par exemple des minutes) à partir de minuit. Propre et simple. …
être un sujet sensible. Il vaut peut-être mieux l’éviter lors de la première rencontre avec un statisticien. La disposition à l’égard du sujet a conduit à un accord tacite qui α = 0,05 est l’étalon-or – en vérité, une « …
Dans un article précédent, j’ai présenté les techniques les plus importantes que j’utilise pour coder efficacement avec les agents IA. Dans cet article, je continue avec quatre techniques supplémentaires, que j’utilise toutes au quotidien. Je pense que pour être un …
ont été introduits pour la première fois pour les images, et pour les images, ils sont souvent faciles à comprendre. Un filtre glisse sur les pixels et détecte les bords, les formes ou les textures. Vous pouvez lire cet article …
nettoyé les données, effectué quelques transformations, les modélisé, puis déployé votre modèle pour qu’il soit utilisé par le client. Cela représente beaucoup de travail pour un data scientist. Mais le travail n’est pas terminé une fois que le modèle atteint …
nous le faisons tous naturellement et régulièrement. Dans notre vie personnelle, nous tenons souvent des listes de choses à faire pour organiser les vacances, les courses et tout le reste. Au travail, nous nous appuyons sur des suivis de tâches …
nous associons l’apprentissage au vote, au bagging et à Random Forest. Le vote lui-même n’est qu’un mécanisme d’agrégation. Cela ne crée pas de diversité, mais combine les prédictions de modèles déjà différents.L’ensachage, en revanche, crée explicitement de la diversité en …
article précédent, nous avons présenté le mécanisme de base du Gradient Boosting via Régression linéaire renforcée par gradient. Cet exemple était délibérément simple. Son objectif n’était pas la performance, mais la compréhension. L’utilisation d’un modèle linéaire nous a permis de …
de cette série, nous parlerons de apprentissage profond. Et lorsque les gens parlent d’apprentissage profond, nous pensons immédiatement à ces images d’architectures de réseaux neuronaux profonds, avec de nombreuses couches, neurones et paramètres. En pratique, le véritable changement introduit par …
Au cours des deux dernières années, une grande partie des discussions autour de l’IA ont tourné autour d’une seule question, d’une simplicité trompeuse : Quel modèle est le meilleur ? Mais la question suivante était toujours : le meilleur pour quoi …