Необходимо сгенерировать изображения, не затрачивая при этом много времени? Предлагаю обратить внимание на две библиотеки, которые помогут это сделать - Pillow и Numpy. https://newtechaudit.ru/numpy-i-pillow-dlya-generaczii-izobrazhenij/
Для того, чтобы машина могла получить данные из физических документов, применяются технологии оптического распознавания символов (OCR). Наиболее распространённым инструментом для OCR до развития нейронных сетей являлся движок tesseract. Помимо него являются популярными продукты компании ABBYY, например, ABBYY FineReader. Однако существуют и другие инструменты OCR, о которых знают немногие. О них и расскажем в этом посте. https://newtechaudit.ru/chekaem-cheki-ili-menee-izvestnye-instrumenty-dlya-ocr/
Как применяя предобработку, визуализировать данные по заболеваниям COVID-19 с помощью стат. анализа и Python https://newtechaudit.ru/covid-19/
Пользователи Python используют в процессе написания кода встроенные словари. Это удобный инструмент для хранения пар сущностей “key – value“, но работа с большими многоуровневыми словарями может быть затруднительной. В решении сложностей поможет Benedict. https://newtechaudit.ru/biblioteka-benedict/
В посте хочу поделиться способом решения задач классификации, а именно поиска аномалий, при помощи неприспособленного, на первый взгляд, для этого инструмента - автоэнкодера. https://newtechaudit.ru/avtoenkoder-poisk-anomalij-v-dannyh/
Хочу рассказать об опыте применения разведочного анализа (EDA) для улучшения точности ML-модели, на примере задачи из соревнования Spaceship Titanic https://newtechaudit.ru/za-kosmicheskim-titanikom/
Всем привет!
В публикации разберу, как извлечь реляционный датасет из JSON https://newtechaudit.ru/izvlekaem-relyaczionnyj-dataset-iz-json/
В публикации разберу, как извлечь реляционный датасет из JSON https://newtechaudit.ru/izvlekaem-relyaczionnyj-dataset-iz-json/
Можно предположить, что в относительно недалеком будущем человечество сможет увидеть, как цифровые монеты полностью заменят бумажные купюры, а договоры и сделки вместо нотариального заверения будут проходить через смарт-контракты. О последнем и зайдет речь в этой публикации. Но сначала предлагаю немного углубиться в теорию о смарт-контрактах, о блокчейне, а также коротко о фундаменте, на котором контракты программируются. И уже после небольшой лекции можно перейти к практике и создать свой контракт https://newtechaudit.ru/kak-napisat-igru-v-blokchejne-na-smart-kontraktah-solidity-sozdanie-personazha/
В выгрузке больших данных, расположенных внутри таблиц Hive, Data-инженерам помогает фреймворк Spark. Но все ли так просто? Транзакционные таблицы зачастую имеют колоссальный объем, на обработку которого целиком может не хватать мощностей кластера. В посте я поделюсь своим опытом работы с большими таблицами в условиях ограниченных вычислительных ресурсов. https://newtechaudit.ru/svernut-gory-particzij-s-pyspark/
В данной публикации я познакомлю вас с библиотекой Mahotas, которая позволяет обрабатывать изображения. Рассмотрим некоторые методы и функции работы с картинками. https://newtechaudit.ru/poznakomimsya-s-mahotas/
Сегодня расскажу, как я расширял стандартные возможности Qlik Sense для управления значениями переменных c помощью extensions, владея основами html, css и JavaScript https://newtechaudit.ru/rasshirenie-vozmozhnostej-qlik-sense-s-pomoshhyu-extensions/
В прошлой публикации я рассказал о 152-ФЗ и о том, как определить уровень защищенности системы персональных данных. А сегодня хочу предложить рассмотреть нюансы передачи персональных данных на обработку облачному провайдеру, поговорить про сертификацию и аттестацию https://newtechaudit.ru/peredacha-pdn-na-obrabotku-oblachnomu-provajderu-sertifikacziya-i-attestacziya/
Выполняя задачу по проверке подлинности доменных имен, имеющихся в документации, мне также было необходимо собрать некоторую информацию: об истории доменов, их регистраторах, дате создания и дате завершения регистрации, владельцах доменных имен. Для проверки доменных имен в интернете существует достаточное количество сервисов, получающих информацию из общедоступной базы данных доменных имен WHOIS. Например: icann lookup, whois+, reg.ru, domaintools.com, be1.ru https://newtechaudit.ru/kak-proverit-domen-s-python-whois/
В этом посте мы познакомимся с возможностями YOLOv7 для определения поз людей на видео, обсудим принцип работы алгоритма, разберёмся, чем принципиально отличается подход к детекции скелетов человека в модели YOLOv7 и других фреймворках. https://newtechaudit.ru/yolov7-dlya-opredeleniya-poz-lyudej-na-video/
На примере задачи поиска логических ошибок робота, я продемонстрирую, как методы тематического моделирования помогут исследователям при работе с большим объемом текстовых данных. https://newtechaudit.ru/poisk-oshibok-v-logike-raboty-chat-bota-s-pomoshhyu-tf-idf-i-dbscan/
Дамы и господа, леди энд джентльмены, мадам и месье, сеньоры и сеньориты, товарищи! Было ли у Вас такое, что необходимо найти сокровище, определиться с местом отпуска или в рамках задач визуализации наглядно продемонстрировать данные, привязанные к какой-либо местности на планете? В подобных ситуациях нам могут пригодиться карты, деньги, два ствола Python, Matplotlib и Cartopy https://newtechaudit.ru/vizualiziruj-audiruj-cartopy/
Актуальность работы с большими объемами текстовой информации ещё долгое время (а может быть и всегда) будет неоспорима. При этом спектр задач весьма вариативен — от задач по поиску именованных сущностей, до классификации и кластеризации текстов обрабатываемых документов. https://newtechaudit.ru/pajplajn-dlya-sozdaniya-klassifikaczii-tekstovoj-informaczii/
Я люблю готовить, поэтому постоянно закупаюсь ингредиентами для различных блюд. В последний раз я закупил их слишком много, и срок годности подходит к концу. Как спасти продукты, используя алгоритм Apriori, расскажу в посте. https://newtechaudit.ru/izbavlyaemsya-ot-produktov-apriori/
Авторы NTA приняли участие в конкурсе Сезон ML на Habr.com. Подробнее в публикации. https://newtechaudit.ru/kvartet-ml/
В публикации расскажу о подходе,
позволяющем расширить функциональные возможности метода Наивного Байеса благодаря использованию весовых коэффициентов для различных групп признаков объекта датасета. С помощью разработанной ML‑модели можно улучшить качество классификации текстов при использовании обучающей выборки небольшого объёма и сократить время обучения модели. https://newtechaudit.ru/bajes-personalnye-rekomendaczii/
позволяющем расширить функциональные возможности метода Наивного Байеса благодаря использованию весовых коэффициентов для различных групп признаков объекта датасета. С помощью разработанной ML‑модели можно улучшить качество классификации текстов при использовании обучающей выборки небольшого объёма и сократить время обучения модели. https://newtechaudit.ru/bajes-personalnye-rekomendaczii/