Ciencia de los datos

Mientras leía sobre la generación de texto con redes neuronales recurrentes, noté que algunos ejemplos se implementaron para generar texto palabra por palabra y otros carácter por carácter sin decir realmente por qué. Entonces, ¿cuál es la diferencia entre los modelos RNN que predicen texto por palabra y los que …

15 machine-learning  neural-network  nlp  rnn 

Realicé el curso de redes neuronales de Geoff Hinton en Coursera y también a través de la introducción a las máquinas de boltzmann restringidas , pero aún no entendía la intuición detrás de las RBM. ¿Por qué necesitamos calcular la energía en esta máquina? ¿Y de qué sirve la probabilidad …

15 unsupervised-learning  rbm 

¿Hay algún paquete de aprendizaje automático para R que pueda hacer uso de la GPU para mejorar la velocidad de entrenamiento (algo así como theano del mundo python)? Veo que hay un paquete llamado gputools que permite la ejecución de código en la gpu, pero estoy buscando una biblioteca más …

15 machine-learning  r  gpu 

¿Qué biblioteca estable de Python puedo usar para implementar modelos ocultos de Markov? Necesito que esté razonablemente bien documentado, porque nunca antes había usado este modelo. Alternativamente, ¿existe un enfoque más directo para realizar un análisis de series de tiempo en un conjunto de datos utilizando HMM?

15 python  time-series  markov-process 

Sé que Spark está completamente integrado con Scala. Su caso de uso es específicamente para grandes conjuntos de datos. ¿Qué otras herramientas tienen buen soporte de Scala? ¿Es Scala el más adecuado para conjuntos de datos más grandes? ¿O también es adecuado para conjuntos de datos más pequeños?

15 scalability  scala 

Suponga un conjunto de datos poco estructurados (por ejemplo, tablas web / datos abiertos vinculados), compuestos de muchas fuentes de datos. No existe un esquema común seguido de los datos y cada fuente puede usar atributos de sinónimos para describir los valores (por ejemplo, "nacionalidad" frente a "bornIn"). Mi objetivo …

15 machine-learning  statistics  feature-selection 

Escuché sobre muchas herramientas / marcos para ayudar a las personas a procesar sus datos (entorno de big data). Uno se llama Hadoop y el otro es el concepto noSQL. ¿Cuál es la diferencia en el punto de procesamiento? ¿Son complementarios?

15 nosql  tools  processing  apache-hadoop 

Estaba analizando una solución de la competencia de precios de la vivienda en Kaggle ( Kernel de Human Analog's sobre precios de la vivienda : técnicas de regresión anticipada ) y encontré esta parte: # Transform the skewed numeric features by taking log(feature + 1). # This will make the …

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

¿Prepararé mi LSTM si lo entreno a través del enfoque de ventana deslizante? ¿Por qué la gente no parece usarlo para LSTM? Para un ejemplo simplificado, suponga que tenemos que predecir la secuencia de caracteres: A B C D E F G H I J K L M N O …

15 lstm  backpropagation  mini-batch-gradient-descent 

Estoy buscando una biblioteca de Python que me ayude a identificar la similitud entre dos palabras u oraciones. Haré la conversión de audio a texto, lo que dará como resultado un diccionario de inglés o palabras que no estén en el diccionario (podría ser el nombre de una persona o …

15 nlp  nltk 

Tengo un conjunto de datos como el siguiente. Quiero eliminar todos los caracteres después del carácter ©. ¿Cómo puedo hacer eso en 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 

Actualmente me estoy preparando para un examen en redes neuronales. En varios protocolos de exámenes anteriores, leí que las funciones de activación de las neuronas (en perceptrones multicapa) tienen que ser monótonas. Entiendo que las funciones de activación deben ser diferenciables, tener una derivada que no sea 0 en la …

15 machine-learning  neural-network 

La contribución a los proyectos de código abierto suele ser una buena forma de obtener algo de práctica para los novatos y probar una nueva área para científicos y analistas de datos con experiencia. ¿Qué proyectos aportas? Proporcione alguna introducción + enlace en Github.

15 beginner  open-source 

Me gustaría saber en qué se diferencian exactamente las recomendaciones basadas en el usuario y en el artículo. Define que Basado en el usuario : recomiende elementos buscando usuarios similares. Esto a menudo es más difícil de escalar debido a la naturaleza dinámica de los usuarios. Basado en elementos : …

15 machine-learning  data-mining  algorithms  recommender-system 

K-means es un algoritmo bien conocido para el agrupamiento, pero también existe una variación en línea de dicho algoritmo (K-means en línea). ¿Cuáles son los pros y los contras de estos enfoques y cuándo se deben preferir?

15 clustering  algorithms  k-means