Python Lounge

Обучение искусственного интеллекта — задача непростая, но затраченные усилия сполна окупятся невероятными результатами, которых можно достичь благодаря ИИ. Хотите узнать больше о самых классных проектах по машинному обучению? Читайте нашу подборку. Magenta Magenta — детище компании Google, принцип работы которого основан на технологии машинного обучения. ИИ способен создавать музыкальные композиции, а также умеет работать с изобразительным искусством. Кроме того, инструмент может самообучаться и развиваться...

Многим не нравится, что модели машинного обучения представляют собой чёрные ящики: мы кладём в них данные и безо всяких объяснений получаем ответы — часто очень точные ответы. В этой статье мы постараемся разобраться, как созданная нами модель делает прогнозы и что она может рассказать о решаемой нами задаче. И завершим мы обсуждением самой важной части проекта по машинному обучению: задокументируем сделанное и представим результаты. В первой части мы рассмотрели очистку данных, разведочный анализ, конструирование и выбор признаков...

Собрать воедино все части проекта по машинному обучению бывает весьма непросто. В этой серии статей мы пройдём через все этапы реализации процесса машинного обучения с использованием реальных данных, и узнаем, как сочетаются друг с другом различные методики. В первой статье мы очистили и структурировали данные, провели разведочный анализ, собрали набор признаков для использования в модели и установили базовый уровень для оценки результатов. С помощью этой статьи мы научимся реализовывать на Python...

Когда читаешь книгу или слушаешь учебный курс про анализ данных, нередко возникает чувство, что перед тобой какие-то отдельные части картины, которые никак не складываются воедино. Вас может пугать перспектива сделать следующий шаг и целиком решить какую-то задачу с помощью машинного обучения, но с помощью этой серии статей вы обретёте уверенность в способности решить любую задачу в сфере data science. Чтобы у вас в голове наконец сложилась цельная картина, мы предлагаем разобрать от начала до конца проект применения машинного обучения с использованием реальных данных...

В десяти коротких видеоуроках курса машинного обучения от разработчиков Google рассмотрены приемы Machine Learning для начинающих аналитиков данных. Для кого эти уроки? В небольшом видеокурсе машинного обучения от разработчиков Google рассматриваются базовые рецепты решения задач Machine Learning. Логично, что в этом курсе наравне с библиотекой scikit-learn используется и фреймворк машинного обучения Google – TensorFlow. Отличительной особенностью курса является то, что для понимания некоторых моделей...

Прежде всего, следует разобраться, что такое машинное обучение. Предположим, что вы хотите разработать программу, которая будет автоматически определять, что изображено на картинке. Например, предлагая ей это изображение, вы хотите, чтобы программа опознала собаку. А здесь она должна увидеть стол. Возможно, вы думаете, что для решения этой задачи можно просто написать код анализа изображения. Например, если на картинке много светло-коричневых пикселей, делаем вывод, что это собака. Или вы можете научиться определять на изображении края и границы...

Значения вместо булевых переменных В Python, как и в других языках, есть логический тип переменных bool, который имеет всего два значения: True (истина) и False (ложь). Его возвращают логические операторы (например сравнение чисел или проверка присутствия элемента в списке), и именно этот тип обычно используется в if и while. Тем не менее, явно использовать bool или операторы необязательно: существуют правила, по которым значение любого типа приводится к True или False. Прим. пер. По-английски это называется truthy и falsy, то есть «примерно-но-не-совсем-истинные», «истинноватые» значения...

Одна из самых обсуждаемых фишек iPhone X – новый метод разблокировки: FaceID. В этой статье разобран принцип работы данной технологии. Создав безрамочный телефон без TouchID, Apple пришлось разработать новый метод для разблокировки устройства простым и быстрым способом. В то время как некоторые конкуренты продолжали использовать сканер отпечатка пальца, Apple решила обновить и революционизировать способ разблокировки телефона. Благодаря продвинутой (и удивительно маленькой) фронтальной глубинной камере, iPhone X имеет возможность создать 3D-карту лица пользователя...

mail = imaplib.IMAP4_SSL('imap.gmail.com') mail.login('myusername@gmail.com', 'mypassword') mail.list() # Выводит список папок в почтовом ящике. mail.select("inbox") # Подключаемся к папке "входящие". Далее мы извлечем необходимые нам данные из ответа, затем получим почту, через вычисленный нами ID. result, data = mail.search(None, "ALL") ids = data[0] # Получаем сроку номеров писем id_list = ids.split() # Разделяем ID писем latest_email_id = id_list[-1] # Берем последний ID result, data = mail...

Рассмотрим пример создания графического интерфейса (GUI) на Python. В качестве "жертвы" напишем простенькую программу - решатель квадратных уравнений. Наше задание мы разобъем на несколько частей. Часть первая: функция решения квадратного уравнения. Напомним, что квадратным является уравнение вида: ax2 + bx + c = 0 Есть несколько способов решить квадратное уравнение, мы выберем решение через дискриминант. Формула дискриминанта: D = b2 - 4ac. Используя эту формулу мы можем вывести решение. Если дискриминант...

Учитывая современное развитие Интернета, было бы кощунством не написать приложение, взаимодействующее со всемирной паутиной. Сегодня мы напишем простенький html-парсер на Python. Наше приложение будет читать код указанной страницы сайта и сохранять все ссылки в ней в отдельный файл. Это приложение может помочь SEO-аналитикам и веб-разработчикам. Писать будем на Python 3, в котором есть встроенный класс для html-парсера из модуля html.parser from html.parser import HTMLParser Так же нам понадобится функция urlopen из модуля urllib from urllib...

Данный пример чисто демонстрационный, так как его можно значительно улучшить. from urllib2 import urlopen # из модуля urllib2 импортируем функцию urlopen u = urlopen("http://python.org") # открываем URL на чтение words = {} # связываем имя words с пустым словарём # (словарь — неупорядоченный [[ассоциативный массив]]) for line in u: # читаем u по строкам line = line.strip(" \n") # отбрасываем начальные и конечные пробелы for word in line...