Catboost SGLB mode. Claims are that it outperforms classic Gradient Boosting methods.
GitHub: https://github.com/catboost/catboost/releases/tag/v0.21
Paper: https://arxiv.org/abs/2001.07248
GitHub: https://github.com/catboost/catboost/releases/tag/v0.21
Paper: https://arxiv.org/abs/2001.07248
GitHub
Release 0.21 · catboost/catboost
New features:
The main feature of this release is the Stochastic Gradient Langevin Boosting (SGLB) mode that can improve quality of your models with non-convex loss functions. To use it specify la...
The main feature of this release is the Stochastic Gradient Langevin Boosting (SGLB) mode that can improve quality of your models with non-convex loss functions. To use it specify la...
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#آموزش #سورس_کد
#andrew_ng #python #machinelearning
بی شک یکی از بهترین آموزش هایی که رو اینترنت هست کورس یادگیری ماشین Andrew Ng است، و واقعا حس شیرین یادگیریو به آدم منتقل میکنه و گذروندن این کورس بی نظیر جزو خاطرات خوب من هست...
همان طور که میدانید متاسفانه در آن زمان به جای پایتون، متلب برای تمارین و آموزش ها استفاده شده بود.
حالا در زیر فردی پیدا شده که همه کدهای این کورس را را با پایتون بازنویسی کرده:
https://github.com/dibgerge/ml-coursera-python-assignments
#andrew_ng #python #machinelearning
بی شک یکی از بهترین آموزش هایی که رو اینترنت هست کورس یادگیری ماشین Andrew Ng است، و واقعا حس شیرین یادگیریو به آدم منتقل میکنه و گذروندن این کورس بی نظیر جزو خاطرات خوب من هست...
همان طور که میدانید متاسفانه در آن زمان به جای پایتون، متلب برای تمارین و آموزش ها استفاده شده بود.
حالا در زیر فردی پیدا شده که همه کدهای این کورس را را با پایتون بازنویسی کرده:
https://github.com/dibgerge/ml-coursera-python-assignments
GitHub
GitHub - dibgerge/ml-coursera-python-assignments: Python assignments for the machine learning class by andrew ng on coursera with…
Python assignments for the machine learning class by andrew ng on coursera with complete submission for grading capability and re-written instructions. - dibgerge/ml-coursera-python-assignments
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#کارگاه_آموزشی
کارگاههای آموزشی یازدهمین کنفرانس ملی و اولین کنفرانس بینالمللی بینایی ماشین و پردازش تصویر ایران
https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa
برای شرکت در این کارگاهها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاههای شهر قم و تمامی دانشجویان دانشگاه تهران میتوانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاهها ثبت نام و شرکت کنند.
🙏Thanks to: @shenasa_ai | @mvip_2020
کارگاههای آموزشی یازدهمین کنفرانس ملی و اولین کنفرانس بینالمللی بینایی ماشین و پردازش تصویر ایران
https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa
برای شرکت در این کارگاهها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاههای شهر قم و تمامی دانشجویان دانشگاه تهران میتوانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاهها ثبت نام و شرکت کنند.
🙏Thanks to: @shenasa_ai | @mvip_2020
Forwarded from MVIP 2020
#کارگاه_های_آموزشی_کنفرانس
✅ کارگاه آموزشی: آشنایی با کراس/ تنسورفلو
👈 برای شرکت در این کارگاهها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاههای شهر قم و تمامی دانشجویان دانشگاه تهران میتوانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاهها ثبت نام و شرکت کنند.
https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa
http://mvip2020.ut.ac.ir
@mvip_2020
✅ کارگاه آموزشی: آشنایی با کراس/ تنسورفلو
👈 برای شرکت در این کارگاهها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاههای شهر قم و تمامی دانشجویان دانشگاه تهران میتوانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاهها ثبت نام و شرکت کنند.
https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa
http://mvip2020.ut.ac.ir
@mvip_2020
Forwarded from MVIP 2020
#کارگاه_های_آموزشی_کنفرانس
✅ کارگاه آموزشی: شبکههای مولد تخاصمی (GAN) و پیادهسازی در کراس / تنسورفلو
👈 برای شرکت در این کارگاهها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاههای شهر قم و تمامی دانشجویان دانشگاه تهران میتوانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاهها ثبت نام و شرکت کنند.
https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa
http://mvip2020.ut.ac.ir
@mvip_2020
✅ کارگاه آموزشی: شبکههای مولد تخاصمی (GAN) و پیادهسازی در کراس / تنسورفلو
👈 برای شرکت در این کارگاهها ثبت نام در کنفرانس ضروری نیست، اما دانشجویان به خصوص دانشجویان دانشگاههای شهر قم و تمامی دانشجویان دانشگاه تهران میتوانند با ثبت نام رایگان در کنفرانس، با تخفیف ویژه در این کارگاهها ثبت نام و شرکت کنند.
https://mvip2020.ut.ac.ir/performa?_action=wks&lang=fa
http://mvip2020.ut.ac.ir
@mvip_2020
Raymond Hettinger «Build powerful, new data structures with Python's abstract base classes»
https://www.youtube.com/watch?v=S_ipdVNSFlo&feature=youtu.be
https://www.youtube.com/watch?v=S_ipdVNSFlo&feature=youtu.be
YouTube
Raymond Hettinger «Build powerful, new data structures with Python's abstract base classes»
Конференция PYCON RUSSIA 2019
https://pycon.ru
https://pycon.ru
Python_Labs🐍
Raymond Hettinger «Build powerful, new data structures with Python's abstract base classes» https://www.youtube.com/watch?v=S_ipdVNSFlo&feature=youtu.be
در این ویدیو مطالب به درد بخوری پیدا میشه
مثلا با تعریف
مثلا با تعریف
__iter__ و __len__ و __contains__شما متدهایی مثل comparison را خودکار دیگه دارید!
# To generate GIFs
!pip install -q imageio
اگر میخواید انیمیشن gif تو پایتون درست کنید از این کتاب خونه میتونید استفاده کنید و به صورت بالا نصب و به صورت پایین استفده میشود:
import os
import imageio
png_dir = '../saves/png/'
images = []
for file_name in os.listdir(png_dir):
if file_name.endswith('.png'):
file_path = os.path.join(png_dir, file_name)
images.append(imageio.imread(file_path))
imageio.mimsave('../saves/gif/movie.gif', images)
!pip install -q imageio
اگر میخواید انیمیشن gif تو پایتون درست کنید از این کتاب خونه میتونید استفاده کنید و به صورت بالا نصب و به صورت پایین استفده میشود:
import os
import imageio
png_dir = '../saves/png/'
images = []
for file_name in os.listdir(png_dir):
if file_name.endswith('.png'):
file_path = os.path.join(png_dir, file_name)
images.append(imageio.imread(file_path))
imageio.mimsave('../saves/gif/movie.gif', images)
Forwarded from Deleted Account
Speedup Python Pandas with RAPIDS GPU-Accelerated Dataframe Library called cuDF & GPUs on Google Colab!
Video Link : https://youtu.be/6KSjp_YXs_4
Video Link : https://youtu.be/6KSjp_YXs_4
YouTube
cuDF: RAPIDS GPU-Accelerated Dataframe Library
RAPIDS open-source software enables end-to-end data science and analytics pipelines to run entirely on GPUs. Key to RAPIDS is cuDF, a pandas-like Python data frame library with a high-performance CUDA C++ implementation. cuDF and RAPIDS enable large speedups…
Forwarded from Deleted Account
Speedup Pandas 10x using Python’s Datatable package
https://youtu.be/mQi6QIGGJ5U
https://youtu.be/mQi6QIGGJ5U
YouTube
Python’s Datatable package
Datatable is a Python library for fast multi-threaded data manipulation and munging. In this video, we will explore the functions present in the datatable module and also see how it fares in speed when compared with Pandas.
Link to the notebook : https:…
Link to the notebook : https:…
One-Class Classification Algorithms for Imbalanced Datasets
https://machinelearningmastery.com/one-class-classification-algorithms/
https://machinelearningmastery.com/one-class-classification-algorithms/
ویدیوی کوتاه از داستان به وجود آمدن پایتون از زبان نویسندهاش، Guido Van Rossum
https://www.instagram.com/tv/B8k7qRCAVKa/?igshid=bmp88rozc9tr
https://www.instagram.com/tv/B8k7qRCAVKa/?igshid=bmp88rozc9tr
بالاخره نسخه ۱.۰.۰ کتابخانه XGBoost منتشر شد!
Release Note: https://github.com/dmlc/xgboost/releases/tag/v1.0.0
GitHub: https://github.com/dmlc/xgboost
Release Note: https://github.com/dmlc/xgboost/releases/tag/v1.0.0
GitHub: https://github.com/dmlc/xgboost
GitHub
Release Release 1.0.0 stable · dmlc/xgboost
v1.0.0 (2020.02.19)
This release marks a major milestone for the XGBoost project.
Apache-style governance, contribution policy, and semantic versioning (#4646, #4659)
Starting with 1.0.0 release, ...
This release marks a major milestone for the XGBoost project.
Apache-style governance, contribution policy, and semantic versioning (#4646, #4659)
Starting with 1.0.0 release, ...
توضیحاتی در مورد الگوریتم
Random Forest
https://www.instagram.com/p/B9HaR7ggeky/?igshid=1l3vvn7ybepp7
Random Forest
https://www.instagram.com/p/B9HaR7ggeky/?igshid=1l3vvn7ybepp7
Instagram
The Hub AI
Follow @thehubai for more. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . #datascience #machinelearning #ai #bigdata #artificialintelligence #python #data #deeplearning #programming #technology #dataanalytics #tech #developer #coding #datascientist…
Forwarded from Tensorflow(@CVision) (Alireza Akhavan)
#آموزش
قبلا مطالبی پیرامون آموزش دادن شبکه های عصبی عمیق وقتی با چالش #imbalance بودن دیتا مواجه هستیم نوشته شده بود. که انتهای این پست لینک شدند.
این بلاگ پست روشهای ارزیابی مناسب برای وقتی که با این چالش مواجهیم را به خوبی تشریح کرده که توصیه میکنم بخوانید.
معیارهایی نظیر نمودار #ROC، معیار #AUC یا همون مساحت زیر نمودار، #Sensitivity و #Specificity یا معیار #GMean که بر اساس دو معیار قبلی تعریف میشه، ##precision ، Recall و #FMeasure و ...
https://machinelearningmastery.com/tour-of-evaluation-metrics-for-imbalanced-classification/
——-
مطالب مرتبط قبلی
Weight balancing in #keras
Weight balancing
Handling Imbalanced Datasets in Deep Learning
https://www.tg-me.com/cvision/1236
Extreme Rare Event Classification using Autoencoders in Keras
https://www.tg-me.com/cvision/1238
#imbalance
قبلا مطالبی پیرامون آموزش دادن شبکه های عصبی عمیق وقتی با چالش #imbalance بودن دیتا مواجه هستیم نوشته شده بود. که انتهای این پست لینک شدند.
این بلاگ پست روشهای ارزیابی مناسب برای وقتی که با این چالش مواجهیم را به خوبی تشریح کرده که توصیه میکنم بخوانید.
معیارهایی نظیر نمودار #ROC، معیار #AUC یا همون مساحت زیر نمودار، #Sensitivity و #Specificity یا معیار #GMean که بر اساس دو معیار قبلی تعریف میشه، ##precision ، Recall و #FMeasure و ...
https://machinelearningmastery.com/tour-of-evaluation-metrics-for-imbalanced-classification/
——-
مطالب مرتبط قبلی
Weight balancing in #keras
Weight balancing
Handling Imbalanced Datasets in Deep Learning
https://www.tg-me.com/cvision/1236
Extreme Rare Event Classification using Autoencoders in Keras
https://www.tg-me.com/cvision/1238
#imbalance