User
Многомерные графики в Python — от трёхмерных и до шестимерных
Введение
Визуализация — важная часть анализа данных, а способность посмотреть на несколько измерений одновременно эту задачу облегчает. В туториале мы будем рисовать графики вплоть до 6 измерений.
Plotly — это питоновская библиотека с открытым исходным кодом для разнообразной визуализации, которая предлагает гораздо больше настроек, чем известные matplotlib и seaborn. Модуль устанавливается как обычно — pip install plotly. Его мы и будем использовать для рисования графиков.
Давайте подготовим данные
Для визуализации мы используем простые данные об автомобилях от UCI (Калифорнийский университет в Ирвине — прим. перев.), которые представляют собой 26 характеристик для 205 машин (26 столбцов на 205 строк). Для визуализации шести измерений мы возьмём такие шесть параметров.
Здесь показаны только 4 строки из 205
Загрузим данные из CSV с помощью pandas.
import pandas as pd
data = pd.read_csv("cars.csv")
Теперь, подготовившись, начнем с двух измерений.
Подборка: 5 полезных сервисов для написания статей на английском
Всем привет! Меня зовут Марго, я профессиональный маркетолог и редактор, в последние пару лет фокусируюсь на продвижении за рубежом и много пишу на английском. Я решила поделиться ссылками на приложения и сайты, которые помогают мне в ежедневной работе при создании контента. Надеюсь, список поможет изучающим английский и тем, кто публикует англоязычные материалы на Хабре.
Лучший способ начать изучать современную генетику, молекулярную биологию, генную инженерию и геномику
В первую очередь я считаю своим долгом поделиться своей находкой — без сомнения лучшим курсом лекций в области естественных наук, который мне когда-либо доводилось слушать, а учился я немало. Этот курс просто невозможно слушать иначе, чем открыв рот от непрерывного удивления и восхищения как его концентрированным содержанием, полным захватывающих фактов, так ясностью и выразительностью с которой лектору удается очень просто, увлекательно и одновременно глубоко объяснять весьма сложные вещи.
Также я кратко отмечу информацию о иных курсах по этой теме, которые мне удалось найти. Надеюсь в комментариях увидеть рекомендации других членов нашего сообщества о том, с чего по их мнению лучше начать и чем продолжить образование в этой области.
Ричард Хэмминг: Глава 19. Моделирование — II
«Цель этого курса — подготовить вас к вашему техническому будущему.»
Привет, Хабр. Помните офигенную статью «Вы и ваша работа» (+219, 2442 в закладки, 389k прочтений)?
Так вот у Хэмминга (да, да, самоконтролирующиеся и самокорректирующиеся коды Хэмминга) есть целая книга, написанная по мотивам его лекций. Мы ее переводим, ведь мужик дело говорит.
Это книга не просто про ИТ, это книга про стиль мышления невероятно крутых людей. «Это не просто заряд положительного мышления; в ней описаны условия, которые увеличивают шансы сделать великую работу.»
Мы уже перевели 22 (из 30) главы. И ведем работу над изданием «в бумаге».
Глава 19. Моделирование — II
(За перевод спасибо V.Pinchuk, который откликнулся на мой призыв в «предыдущей главе».) Кто хочет помочь с переводом — пишите в личку или на почту magisterludi2016@yandex.ru
Теперь мы перейдем к вопросу о достоверности моделирования. Полагаю уместным начать с цитаты из летней конференции 1975 года по компьютерному моделированию:
«Компьютерное моделирование в настоящее время широко распространилось для анализа моделей систем и оценки теоретических решений наблюдаемых проблем. Поскольку ответственные решения должны опираться на моделирование, важно, чтобы его действительность проверялась, и чтобы его приверженцы были способны описать уровень аутентичности представления, который они достигли».Но, к сожалению, зачастую на вопрос о надежности результатов моделирования вам расскажут о том, сколько трудозатрат пошло на это, насколько большой и быстрый компьютер был использован, насколько важна эта задача, и прочие вещи, которые не имеют абсолютно никакого отношения к заданному вопросу.
Я бы обозначил проблему несколько иначе:
Почему кто-то должен верить в релевантность моделирования?
Что я слушаю, когда занимаюсь спортом
Как я представляю себе своё знакомство с Гиктаймс? Как полутемный зал, наполненный гулом беседующих и спорящих межу собой людей. Внезапно, вспыхивающий свет выхватывает одинокую фигуру новичка:
— Здравствуй Гиктаймс. Меня зовут Вишманатанам Капут и я индус. И я пишу наш национальный код. Раздается нестройный хор голосов, в котором преобладает «Бывает», «Не вини себя», «Все мы индусы, в какой-то мере».
— И я написал вот это, — продолжил ободренный Вишманатанам, продемонстрировав залу листок с записью:
x = 73;
if (x != 73) {
x = 73;
}
В зале разлилась звенящая тишина. В которой был слышно, как кто-то попросил «Передайте бумажный пакет, тут человеку плохо».
— Но ты ведь больше не будешь? — спрашивает ведущий?
— Я, я, я …постараюсь, — неуверенно промямлил индус.
— Проходи и садись. Следующий.
— Здравствуй Гиктаймс. Я админ Роскомнадзора. Я понимаю, что я делаю, но мне были очень нужны деньги, чтоб эмигрировать в Канаду….
В зале поднялся глухой ропот. С галерки слышались отдельные, несвязанные выкрики: «Анус», «Заблокировать», «Чтоб не повадно было»…
— Мы вне политики, —перекрывая гул сказал ведущий, — проходи и садись.
Админ РКН сел посередине стихийно образовавшего вокруг него пустого пространства.
Дальше была моя очередь.
— Здравствуй Гиктаймс. Мне 45 лет и я качок…
Обучаемый Telegram чат-бот с ИИ в 30 строчек кода на Python
Сегодня мне в голову пришла мысль: «А почему бы не написать Telegram чат-бота с ИИ, которого потом можно будет обучать?»
Введение в машинное обучение с tensorflow
Если мы в ближайшие пять лет построим машину с интеллектуальными возможностями одного человека, то ее преемник уже будет разумнее всего человечества вместе взятого. Через одно-два поколения они попросту перестанут обращать на нас внимание. Точно так же, как вы не обращаете внимания на муравьев у себя во дворе. Вы не уничтожаете их, но и не приручаете, они практически никак не влияют на вашу повседневную жизнь, но они там есть.
Сет Шостак
Введение.
Серия моих статей является расширенной версией того, что я хотел увидеть когда только решил познакомиться с нейронными сетями. Он рассчитан в первую очередь на программистов, желающих познакомится с tensorflow и нейронными сетями. Уж не знаю к счастью или к сожалению, но эта тема настолько обширна, что даже мало-мальски информативное описание требует большого объёма текста. Поэтому, я решил разделить повествование на 4 части:
- Введение, знакомство с tensorflow и базовыми алгоритмами (эта статья)
- Первые нейронные сети
- Свёрточные нейронные сети
- Рекуррентные нейронные сети
Изложенная ниже первая часть нацелена на то, чтобы объяснить азы работы с tensorflow и попутно рассказать, как машинное обучение работает впринципе, на примере tensorfolw. Во второй части мы наконец начнём проектировать и обучать нейронные сети, в т.ч. многослойные и обратим внимание на некоторые нюансы подготовки обучающих данных и выбора гиперпараметров. Поскольку свёрточные сети сейчас пользуются очень большой популярность, то третья часть выделена для подробного объяснения их работы. Ну, и в заключительной части планируется рассказ о рекуррентных моделях, на мой взгляд, — это самая сложная и интересная тема.
Регулярные выражения, пособие для новичков. Часть 2
Регулярные выражения, пособие для новичков. Часть 1
Python на Хабре
Information
- Rating
- Does not participate
- Location
- Красноярск, Красноярский край, Россия
- Date of birth
- Registered
- Activity