Azure Machine Learning Определение наиболее эффективного классификационного а |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2016-04-09 00:30 ИИ проекты, искусственный интеллект, алгоритмы машинного обучения Задачей доклада будет определение наиболее эффективного классификационного алгоритма для используемого источника данных. Алгоритмы будут тестироваться на данных "Poison mushrooms". В ходе доклада будет построена простая модель с использованием классификационных алгоритмов, будут использованы Azure Machine Learning, SQL Azure и Power BI. Результаты алгоритмов будут сохраняться в SQL Azure, а потом этот источник будет использоваться для построения Dashboards в PowerBI, которые и покажут эффективность каждог Источник: vk.com Комментарии: |
|