Ciência de dados

Existem pacotes de aprendizado de máquina para o R que podem usar a GPU para melhorar a velocidade do treinamento (algo como o theano do mundo python)? Vejo que existe um pacote chamado gputools que permite a execução de código na gpu, mas estou procurando uma biblioteca mais completa para …

15 machine-learning  r  gpu 

Passei pelo curso de Redes Neurais de Geoff Hinton no Coursera e também pela introdução de máquinas boltzmann restritas , mas ainda não entendi a intuição por trás dos RBMs. Por que precisamos calcular energia nesta máquina? E qual é o uso da probabilidade nesta máquina? Eu também vi esse …

15 unsupervised-learning  rbm 

Que biblioteca Python estável posso usar para implementar modelos de Markov ocultos? Eu preciso que ele esteja razoavelmente bem documentado, porque eu nunca usei esse modelo antes. Como alternativa, existe uma abordagem mais direta para executar uma análise de séries temporais em um conjunto de dados usando o HMM?

15 python  time-series  markov-process 

Eu sei que o Spark está totalmente integrado ao Scala. Seu caso de uso é especificamente para grandes conjuntos de dados. Quais outras ferramentas têm bom suporte ao Scala? O Scala é mais adequado para conjuntos de dados maiores? Ou também é adequado para conjuntos de dados menores?

15 scalability  scala 

Suponha um conjunto de dados vagamente estruturados (por exemplo, tabelas da Web / dados abertos vinculados), compostos por várias fontes de dados. Não existe um esquema comum seguido pelos dados e cada fonte pode usar atributos de sinônimo para descrever os valores (por exemplo, "nacionalidade" vs "bornIn"). Meu objetivo é …

15 machine-learning  statistics  feature-selection 

Ouvi falar de muitas ferramentas / estruturas para ajudar as pessoas a processar seus dados (ambiente de big data). Um é chamado Hadoop e o outro é o conceito noSQL. Qual é a diferença no ponto de processamento? Eles são complementares?

15 nosql  tools  processing  apache-hadoop 

Eu estava passando por uma solução da competição de preços da habitação no Kaggle ( o núcleo da Human Analog sobre preços da habitação : técnicas avançadas de regressão ) e me deparei com esta parte: # Transform the skewed numeric features by taking log(feature + 1). # This will …

15 regression  feature-extraction  feature-engineering  kaggle  feature-scaling 

Superajustei meu LSTM se eu treiná-lo através da janela deslizante? Por que as pessoas parecem não usá-lo para LSTMs? Para um exemplo simplificado, suponha que tenhamos de prever a sequência de caracteres: A B C D E F G H I J K L M N O P Q R …

15 lstm  backpropagation  mini-batch-gradient-descent 

Estou procurando uma biblioteca Python que me ajude a identificar a semelhança entre duas palavras ou frases. Farei a conversão de áudio em texto, o que resultará em um dicionário em inglês ou em palavras que não sejam do dicionário (este pode ser um nome de pessoa ou empresa). Depois …

15 nlp  nltk 

Atualmente, estou me preparando para um exame em redes neurais. Em vários protocolos de exames anteriores, li que as funções de ativação dos neurônios (nos perceptrons multicamadas) devem ser monotônicas. Entendo que as funções de ativação devem ser diferenciáveis, ter uma derivada que não é 0 na maioria dos pontos …

15 machine-learning  neural-network 

A contribuição para projetos de código aberto é normalmente uma boa maneira de obter alguma prática para iniciantes e tentar uma nova área para cientistas e analistas de dados experientes. Quais projetos você contribui? Forneça algum link de introdução + no Github.

15 beginner  open-source 

Eu tenho um conjunto de dados como o abaixo. Quero remover todos os caracteres após o caractere ©. Como posso fazer isso no R? data_clean_phrase <- c("Copyright © The Society of Geomagnetism and Earth", "© 2013 Chinese National Committee ") data_clean_df <- as.data.frame(data_clean_phrase)

15 r  data-cleaning 

Eu gostaria de saber como exatamente a maioria das recomendações baseadas no usuário e no item diferem umas das outras. Define que Baseado no usuário : recomende itens encontrando usuários semelhantes. Isso geralmente é mais difícil de dimensionar devido à natureza dinâmica dos usuários. Baseado em itens: calcule a similaridade …

15 machine-learning  data-mining  algorithms  recommender-system 

K-means é um algoritmo bem conhecido para agrupamento, mas também há uma variação on-line desse algoritmo (K-means on-line). Quais são os prós e os contras dessas abordagens e quando cada um deve ser preferido?

15 clustering  algorithms  k-means 

Qual é (são) as diferenças entre computação paralela e distribuída? Quando se trata de escalabilidade e eficiência, é muito comum ver soluções que lidam com cálculos em clusters de máquinas e, às vezes, é chamado de processamento paralelo ou processamento distribuído. De certa maneira, o cálculo parece sempre paralelo, pois …

15 definitions  parallel  distributed