A deep learning-gel kapcsolatos kereséseim során találtam egy nagyon hasznos weboldalt, a Towards Data Science-t, az itt található cikkek sokat segítettek nekem megérteni a dolgokat. Ezenkívül érdekes cikkek sokasága olvasható itt különböző témákban, mint például mesterséges intelligencia (AI), gépi tanulás (Machine Learning) és akár általános programozás (Programming), ahol sok Python nyelvvel kapcsolatos cikk van, amire nekem szintén szükségem van a munkámhoz. Csak ajánlani tudom az oldalt, érthetően és érdekesen ír a különböző kérdésekről.
Tag Archives: machine learning
Visual Studio Code + Python + TensorFlow
Már egy korábbi projekthez is használtam a Visual Studio Code-ot, és nagyon megtetszett. Ami megfogott benne, az a könnyen kezelhetősége, és hogy rengeteg kiegészítő (extension) közül választhatunk, melyek hozzáadásával olyan állapot hozható lére, ami a mi projektünkhöz a legmegfelelőbb. Continue reading
Birthmarks data #4 – normalization
Az előző bejegyzésben eljutottam addig, hogy megvan a tisztán csak feature selection modul által javasolt feature listám. Ez rendben is van. Ebben a bejegyzésben viszont egy kis kitérőt fogok tenni, amiben csak annyit szeretnék elvégezni, hogy a rendelkezésre álló adatokat normalizáljuk (elsősorban azért, mert mint említettem egy kis utána olvasás után és nálam komolyabban a témához értő emberek iránymutatása azt az eredményt adta nekem, hogy a leginkább célravezető feature selection method ilyen esetben az a mutual information, amihez – és egyébként is – jobb a normalizált adathalmaz).
Azure Machine Learning and Supervised Learning
Mi is az a Machine Learning?
Mit jelent pontosan a Machine Learning (későbbeikben ML)? Ma az ML egy csomó dolgot jelent. A terület elég nagy, és gyorsan növekszik, mert folyamatosan megosztjuk és vég nélkül ágaztatjuk a különböző szakterületeket és az ML típusait.
Úgy lehetne megfogalmazni, mint egy olyan rendszer, ami a tapasztalatokból fejlődik, vagy egy olyan metódus, amely az adatot szoftverré alakítja. A lényeg minden szempontból ugyanaz, a modern adattudomány sikeresen kifejlesztette a szoftver modellek létrehozásának olyan folyamatát, amelyek óriási adathalmazokból tanulva pontos mintákat és értékeket “jósolnak” számunkra.
Tom Mitchel 1997-ben adott egy tökéletes megfogalmazást: “Egy számítógépes program tanul a tapasztalatokból, ha a programot a tapasztalati példák feldolgozása után ismételten lefuttatva bizonyos teszt feladatokon, a program teljesítménye javul.“