Новые материалы

Новички в области глубокого обучения быстро узнают, что рекуррентные нейронные сети (RNN) предназначены для построения моделей для последовательных задач с данными (например, языкового перевода), тогда как сверточные нейронные сети (CNN) предназначены для задач, связанных с изображениями и видео. Это довольно хорошее правило большого пальца, но недавняя работа в Facebook показала отличные результаты для последовательных данных, просто используя CNN. В этой статье я описываю свою работу..

Мнение Многообещающие сквозные платформы машинного обучения: почему универсальные решения не всегда работают Важность настройки и гибкости в инфраструктуре машинного обучения В прошлом году мой почтовый ящик заполонили компании MLOps, пытающиеся продать свою универсальную инфраструктуру. Но не только там, по сравнению с доковидными годами, среди экспонентов на конференциях также доминировали платформы ML (Ops). Вы также можете найти много спама под каждой соответствующей статьей..

Понимание веб-воркеров в браузере и изучение того, как вызывать API в фоновом режиме, не влияя на потоки пользователей с помощью JavaScript. Здравствуйте, разработчики 👋, В этом посте мы рассказали, чем полезны веб-воркеры, и обсудили некоторые примеры из реальной жизни. В последние годы веб-приложения становятся все более сложными, и к ним добавляется все больше и больше функциональных возможностей. В результате производительность и скорость отклика стали серьезной проблемой для..

Создавайте и выполняйте запросы Elasticsearch на Python эффективно с помощью ElasticsearchDSL При разработке любого внутреннего API вы могли столкнуться с проблемой больших накладных расходов на операции с базой данных. В этой статье я собираюсь обсудить средство от этих длинных операций с базой данных с помощью Elasticsearch . Не волнуйтесь, если вы новичок в термине Elasticsearch. Я постараюсь покрыть это с нуля. Что такое Elasticsearch? По своей сути Elasticsearch (ES) -..

StreaMRAK - потоковый адаптивный алгоритм ядра с несколькими разрешениями (arXiv) Автор : : Андреас Осландсботн , Желько Керета , Валерия Наумова , Йоав Фройнд , Александр Клонингер Аннотация: Регрессия гребня ядра (KRR) — популярная схема нелинейного непараметрического обучения. Однако существующие реализации KRR требуют, чтобы все данные хранились в основной памяти, что серьезно ограничивает использование KRR в контекстах, где размер данных намного превышает размер памяти...