按时间归档：2022年

同时仍然获得更好的性能！ — 神经网络和深度学习课程：第 17 部分 — 在上一篇文章中，我们创建了一个多层感知器 (MLP) 分类器模型来识别手写数字。我们为网络架构使用了两个具有 256 个神经元的隐藏层。即使使用这么小的网络，我们也得到了 269,322 个总参数（权重和偏差项）。 …

可解释模型更可能公平的 3 个原因——可解释性和公平性似乎齐头并进。可解释性涉及了解模型如何进行预测。公平涉及了解预测是否偏向某些群体。这些特征在负责任的 AI 框架和 ML 会议中一直一起提到。然而，可解释性并不一定意味着公平。

帮助您处理 Elasticsearch 重大更改的一些技巧 — Elasticsearch Python 客户端库的版本 8 中有很多重大更改，当您将库从版本 7 更新到 8 时，这会给您带来很多麻烦。即使这可能是一项痛苦的任务，仍然建议更新库……

用于逼近常微分方程系统解的逐步编码示例 — 数值积分是一种用于逼近常微分方程 (ODE) 解的技术。数值积分有多种方法；这些在速度、准确性和复杂性方面各不相同。仅举几例，有欧拉法、龙格-库塔法和梯形法则。 …

有关如何使 Spark NLP 在本地计算机上运行的分步教程 — Apache Spark 是一个用于快速和通用数据处理的开源框架。它提供了一个统一的引擎，可以以快速和分布式的方式运行复杂的分析，包括机器学习。 Spark NLP 是一个 Apache Spark 模块，它为 Spark 应用程序提供高级自然语言处理 (NLP) 功能。它…

使用这些可视化工具提高您的工作效率，这些工具将有助于探索和管理复杂的文件、开发环境等等——随着文件、数据集和配置的增长，导航它们变得越来越困难。然而，有许多工具可以帮助您在处理大型 JSON 和 YAML 文件、复杂的正则表达式、令人困惑的 SQL 数据库关系、复杂的开发环境等等时提高工作效率。

在日常生活中使用数据分析——数据分析是一个专业领域。作为一名数据分析师，我的日常活动是强调它的需求和重要性，挖掘它以发现我正在处理的实体的见解。 …

类接口、抽象层、继承，这不是软件开发人员的问题吗？作为数据科学家，你为什么要关心？ — 接口使我们最喜欢的几乎所有数据科学库成为可能。这是一个足够好的理由，至少对我来说，关心。但是，让我们深入探讨这个主题。 …

基于 Google Brain 的“可扩展且准确的电子健康记录深度学习”及其补充材料的简化插图。背景 十多年前，医疗保健行业开始系统地将医疗保健数据数字化。希望有一天，我们能够协调来自不同来源的数据以形成……

帮助他人更轻松地遵循您的代码——作为程序员或技术领域的一员，我们经常需要定期阅读、分析和编写代码。有些代码比其他代码更容易编写和遵循。代码越清晰，理解、使用和构建的速度就越快。 …