#maschinelles lernen

Deep Probabilistic Modelling mit Pyro

Deep Probabilistic Modelling: Wie sieht eine angemessene Modellierung unsicheren Wissens für die Analyse mit Machine Learning aus? Einen Ansatz mit Pyro stellt Chi Nhan Nguyen in dieser Session von der ML Conference 2019 vor. Jetzt im Video die gesamte Session ansehen!

Chatbots sind doof: Aber warum?

Oft ist die Interaktion mit Chatbots eher anstrengend. Aber woran liegt das? Ist die Technologie nicht ausgereift oder mangelt es an der passenden Implementierung? Dieser Frage geht Pieter Buteneers in dieser Session von der ML Conference nach.

R: Streng, funktional, dynamisch

Sie sind neugierig, wie Sie Probleme in R lösen können, und haben möglicherweise schon Erfahrung mit SQL? Dann sind Sie bei diesem Artikel genau richtig! Wir beginnen mit den grundlegenden Elementen der Sprache – mit jeder Menge konkretem Beispielcode. Dann werfen wir einen Blick darauf, wie wir mit Daten umgehen können (hier helfen SQL-Grundkenntnisse – sind aber nicht erforderlich). Und zu guter Letzt widmen wir uns noch Anwendungsfällen, die typischerweise mit R gelöst werden können.

„Reinforcement Learning hat Ähnlichkeit mit einem Kind, das ein neues Spiel lernt“

Maschinelles Lernen kann auf verschiedene Arten implementiert werden, eine davon ist das Reinforcement Learning. Was genau ist das und wie kann man es einsetzen? Zur ML Conference haben wir mit dem Speaker Dr. Christian Hidber über die zugrunde liegenden Ideen und Herausforderungen des Reinforcement Learning und die Frage gesprochen, warum es sich für die Anwendung in industriellen Settings eignet.

Eclipse Deeplearning4j: 1.0.0-beta4 veröffentlicht

Die neueste Beta zum ersten Major Release von Eclipse Deeplearning4j umfasst mehrere neue Features. Dazu gehört unter anderem die Unterstützung für verschiedene Datentypen von n-dimensionalen Arrays. Am CUDA-Support wurden ebenfalls Anpassungen vorgenommen.

X
- Gib Deinen Standort ein -
- or -