Risultati Ricerca Intelligenza Artificiale Italia
59 elementi trovati per "salvare modelli"
- Da Zero a Esperto in IA Generativa - Rivoluziona il Tuo Business con i LLM
Benvenuto al corso definitivo su Intelligenza Artificiale (IA) Generativa e modelli di linguaggio (LLM 💬 Utilizzo dei Modelli di Linguaggio (LLM): Ti introdurrò a potenti modelli di linguaggio come ChatGPT
- Importiamo un file Excel utilizzando Python
Vediamo qualche esempio #stampare i dati pd.read_excel("il_tuo_file.xls", sheet_name="Sheet1") #salvare dati dentro una variabile xlsx = pd.read_excel("il_tuo_file.xls", sheet_name="Sheet1") #filtrare e salvare colonna A e le colonne dalla C alla E xlsx = pd.read_excel("il_tuo_file.xls",'Sheet1', usecols='A,C:E') #salvare
- Apprendimento Automatico o Machine Learning
Introduzione: Come funziona il modello Esplorazione dei dati di base Primo modello ML Convalida del modello Convalida incrociata XGBoost Perdita di dati Conoscenza almeno del 60% degli algoritmi di ML Creare Modelli
- Step 6
La classe contiene le seguenti funzioni di chiamare modelli pre-addestrati: setModelTypeAsRetinaNet() TinyYOLOv3model pre-addestrato e quindi useremo la setModelTypeAsTinyYOLOv3() funzione per caricare il nostro modello
- Che cos'è la Feature Selection
La presenza di funzionalità irrilevanti nei dati può ridurre l'accuratezza dei modelli di machine learning Riduce la complessità di un modello e ne facilita l'interpretazione. Migliora la precisione di un modello se viene scelto il sottoinsieme corretto. "Ho preparato un modello selezionando tutte le caratteristiche e ho ottenuto una precisione di circa il 65% che non è abbastanza buona per un modello predittivo e dopo aver effettuato alcune selezioni di
- Step 1
questo tutorial abbiamo bisogno delle seguenti cartelle: Rilevamento di oggetti : cartella principale models : memorizza il modello pre-addestrato input : memorizza il file immagine su cui si desidera eseguire Directory principale dovrebbe contenere le seguenti sottocartelle: CartellaPrincipale ├── input ├── models └── output Ora inserisci dentro la cartella models, il Modello TinyYOLOv3 che hai scaricato nello step
- La libreria ImageAI
ImageAI utilizza un modello pre-addestrato e può essere facilmente personalizzato. funzioni per eseguire il rilevamento di oggetti su qualsiasi immagine o insieme di immagini, utilizzando modelli
- Che cos'è il Feature Engineering ?
processo di selezione e trasformazione di variabili/funzioni nel set di dati durante la creazione di un modello Migliorare le prestazioni dei modelli di machine learning.
- Scalare i Valori
Arrivati a questo punto vi lascio anche il download il file csv contenente i dati utilizzati per gli esempi passati e quelli che verranno. Formato CSV Funzioni di scala Quando i tuoi dati hanno valori diversi e persino unità di misura diverse, può essere difficile confrontarli. Cosa sono i chilogrammi rispetto ai metri? O l'altitudine rispetto al tempo? La risposta a questo problema è il ridimensionamento. Possiamo ridimensionare i dati in nuovi valori più facili da confrontare. Dai un'occhiata alla tabella sottostante, ma questa volta la colonna del volume contiene valori in litri anziché in cm 3 (1,0 anziché 1000). Può essere difficile confrontare il volume 1.0 con il peso 790, ma se li ridimensioniamo entrambi in valori comparabili, possiamo facilmente vedere quanto un valore è rispetto all'altro. Esistono diversi metodi per ridimensionare i dati, in questo tutorial utilizzeremo un metodo chiamato standardizzazione. Il metodo di standardizzazione utilizza questa formula: z = (x - u) / s Dov'è zil nuovo valore, x è il valore originale, uè la media e s è la deviazione standard. Se prendi la colonna del peso dal set di dati sopra, il primo valore è 790 e il valore scalato sarà : (790 - 1292.23) / 238.74 = -2.1 Se prendi la colonna del volume dal set di dati sopra, il primo valore è 1.0 e il valore scalato sarà : (1.0 - 1.61) / 0.38 = -1.59 Ora puoi confrontare -2.1 con -1.59 invece di confrontare 790 con 1.0. Non è necessario farlo manualmente, il modulo sklearn di Python ha un metodo chiamato StandardScaler() che restituisce un oggetto Scaler con metodi per trasformare i set di dati. Prevedi i valori di CO2 Prevedi le emissioni di CO2 di un'auto da 1,3 litri che pesa 2300 chilogrammi:
- Deep Belief Networks (DBN)
I DBN sono modelli generativi costituiti da più livelli di variabili stocastiche e latenti. unità visibili utilizzando un singolo passaggio di campionamento ancestrale attraverso il resto del modello
- Le caratteristiche del Data Scientist di Successo
gli scienziati dei dati possono essere meticolosi mentre esaminano grandi quantità di dati e cercano modelli Dato il modo in cui i tuoi dati sono distribuiti, quale modello dovresti usare?
- Feature Engineering
Il Feature Engineering è il modo più efficace per migliorare i tuoi modelli. Baseline Model Categorical Encodings Feature Generation Feature Selection
- Differenze tra Machine Learning e Deep Learning ?
Osservando i modelli nei dati, un modello di apprendimento profondo può raggruppare gli input in modo Detto questo, un modello di apprendimento profondo richiederebbe più punti dati per migliorarne l'accuratezza , mentre un modello di apprendimento automatico si basa su meno dati data la struttura dei dati sottostante
- Importare File Excel con Python e Pandas
Vediamo adesso come è possibile importare un dataset per successivamente farci delle analisi o creare modelli
- FINANZA
Prevenzione frodi Il rilevamento delle frodi tradizionali utilizza modelli basati su regole che identificano Questi modelli spesso segnalano transazioni legali basate su regole infrante o attività fraudolente quando Queste informazioni possono influenzare l'allocazione del credito e superare i tradizionali modelli di I dati più grandi sotto forma di flussi di dati in crescita e nuovi presentano sfide continue per i modelli Tali modelli misurano e descrivono i flussi di dati sottostanti.