kaggle

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶” 作者： Marco Cerliani 编译：ronghuaiyang 正文共：2062 字 10 图 预计阅读时间：6 分钟 导读 使用不同的方式来使用BERT模型 。 在NLP中不断的研究产生了各种各样的预训练模型。对于各种任务，例如文本分类、无监督主题建模和问题回答等，不断的在刷新业界最佳。其中，最伟大的发现之一是在神经网络结构中采用了注意力机制。这种技术是所有称为 transformers 的网络的基础。他们应用注意力机制来提取关于给定单词上下文的信息，然后将其编码到一个学习到的向量中。 作为数据科学家，我们可以调用很多transformers架构，并使用它们对我们的任务进行预测或微调。在这篇文章中，我们喜欢读经典的BERT，但是同样的推理也适用于其他所有的transformer结构。 我们使用了siamese结构，这是一个双路BERT ，用于多文本输入的分类。 数据 我们从Kaggle上收集数据集。新闻类别数据集：https://www.kaggle.com/rmisra/news-category-dataset包含从HuffPost上获得的2012年至2018年的约20万条新闻标题。我们需要根据两种不同的文本来源对新闻文章进行分类：标题和简介。我们总共有40多种不同类型的新闻。为了简单起见

程序员， 已经渐渐成当代相亲市场的一只主力军。 甚至可以说是“ 香饽饽 ”。 越来越多的妹子， 在写择偶要求时， 会说对程序员有好感。 因为他们， 踏实聪明又靠谱， 钱多花花肠子 少。 但关于程序员谈恋爱的“笑点”也不少， 一起来看看吧！ · End · 漫画 | 楠同学 策划&文案 | 李二狗 记得点一下在看，帮更多程序猿脱单！ 以上内容纯属调侃，如有冒犯…… 反正你也打不着我 有本事用小程序脱单给我看啊！ 本文分享自微信公众号 - Kaggle实战机器学习（AIKaggle）。 如有侵权，请联系 support@oschina.cn 删除。 本文参与“ OSC源创计划 ”，欢迎正在阅读的你也加入，一起分享。 来源： oschina 链接： https://my.oschina.net/u/4613074/blog/4514615

外国自媒体 mlmemoirs 根据github、福布斯、CMU官网等信息，整理了一张50个最佳机器学习公共数据集的榜单，量子位为大家分享一下~ 提前说两个须知： 寻找数据集の奥义 根据CMU的说法，寻找一个好用的数据集需要注意一下几点： 数据集不混乱，否则要花费大量时间来清理数据。 数据集不应包含太多行或列，否则会难以使用。 数据越干净越好，清理大型数据集可能非常耗时。 应该预设一个有趣的问题，而这个问题又可以用数据来回答。 去哪里找数据集 Kaggle ：爱竞赛的盆友们应该很熟悉了，Kaggle上有各种有趣的数据集，拉面评级、篮球数据、甚至西雅图的宠物许可证。 https://www.kaggle.com/ UCI机器学习库 ：最古老的数据集源之一，是寻找有趣数据集的第一站。虽然数据集是用户贡献的，因此具有不同的清洁度，但绝大多数都是干净的，可以直接从UCI机器学习库下载，无需注册。 http://mlr.cs.umass.edu/ml/ VisualData ：分好类的计算机视觉数据集，可以搜索~ https://www.visualdata.io/ 好了，下面就是那50个数据集了，由于后期加上了一些补充，所以总数已经超过了50。 机器学习数据集 图片 Labelme：带注释的大型图像数据集。 http://labelme.csail.mit.edu/Release3.0

计算机视觉使计算机能够理解图像和视频的内容。计算机视觉的目标是使人类视觉系统可以完成的任务自动化。 计算机视觉任务包括图像采集，图像处理和图像分析。图像数据可以采用不同的形式，例如视频序列，从多个角度不同的摄像机查看的图像或来自医疗扫描仪的多维数据。 用于计算机视觉训练的图像数据集 Labelme： 由 MIT 计算机科学和人工智能实验室（ CSAIL ）创建的大型数据集，包含 187,240 张图像， 62,197 条带注释的图像和 658,992 张带标签的对象。 http://labelme.csail.mit.edu/Release3.0/browserTools/php/dataset.php 乐高积木： 通过文件夹和使用 Blender 渲染的计算机对 16 种不同乐高积木进行分类的大约 12,700 张图像。 https://www.kaggle.com/joosthazelzet/lego-brick-images ImageNet： 用于新算法的实际图像数据集。根据 WordNet 层次结构进行组织，其中层次结构的每个节点都以成千上万的图像进行描绘。 http://image-net.org/ LSUN ： 场景理解和许多辅助任务（房间布局估计，显着性预测等） http://lsun.cs.princeton.edu/2016/ MS COCO ： COCO

本 文采用Kaggle上面的Boston HousePrice数据集展示了如何建立机器学习模型的通常过程 ，包括以下几个阶段： 数据获取 数据清洗 探索性数据分析 特征工程 模型建立 模型集成 标签变量（房价） 采取了对数转换，使其符合正太分布，最后从12个备选模型中选出预测效果最好的6个模型Lasso，Ridge，SVR，KernelRidge，ElasticNet，BayesianRidge分别进行加权平均集成和Stacking集成，最后发现Stacking集成效果更好，创新之处在于将Stacking集成后的数据加入原训练集中再次训练Stacking集成模型，使得模型性能再次得到改善，作为最后的预测模型，预测结果提交kaggle上后表现不错。另外受限于训练时间，超参数搜索空间小，有待改善。 数据获取 Kaggle官网提供了大量的机器学习数据集，本文从其中选择了Boston HousePrice数据集，下载地址为https://www.kaggle.com/c/house-prices-advanced-regression-techniques/data，下载后的数据集包括train.csv，test.csv，data_description.txt，sample_submission.csv四个文件，顾名思义train.csv为训练数据集，用于训练模型，test

作者： Derrick Mwiti 编译：ronghuaiyang 来源公众号：AI公园 导读 作者参加了39个Kaggle比赛，总结了非常多的技巧和经验，现在全部分享给大家。 想象一下，如果你能得到所有的tips和tricks，你需要去参加一个Kaggle比赛。我已经超过39个Kaggle比赛，包括： Data Science Bowl 2017 – $1,000,000 Intel & MobileODT Cervical Cancer Screening – $100,000 2018 Data Science Bowl – $100,000 Airbus Ship Detection Challenge – $60,000 Planet: Understanding the Amazon from Space – $60,000 APTOS 2019 Blindness Detection – $50,000 Human Protein Atlas Image Classification – $37,000 SIIM-ACR Pneumothorax Segmentation – $30,000 Inclusive Images Challenge – $25,000 现在把这些知识都挖出来给你们！ 外部数据 使用 LUng Node Analysis Grand

本 文采用Kaggle上面的Boston HousePrice数据集展示了如何建立机器学习模型的通常过程 ，包括以下几个阶段： 数据获取 数据清洗 探索性数据分析 特征工程 模型建立 模型集成 标签变量（房价） 采取了对数转换，使其符合正太分布，最后从12个备选模型中选出预测效果最好的6个模型Lasso，Ridge，SVR，KernelRidge，ElasticNet，BayesianRidge分别进行加权平均集成和Stacking集成，最后发现Stacking集成效果更好，创新之处在于将Stacking集成后的数据加入原训练集中再次训练Stacking集成模型，使得模型性能再次得到改善，作为最后的预测模型，预测结果提交kaggle上后表现不错。另外受限于训练时间，超参数搜索空间小，有待改善。 数据获取 Kaggle官网提供了大量的机器学习数据集，本文从其中选择了Boston HousePrice数据集，下载地址为https://www.kaggle.com/c/house-prices-advanced-regression-techniques/data，下载后的数据集包括train.csv，test.csv，data_description.txt，sample_submission.csv四个文件，顾名思义train.csv为训练数据集，用于训练模型，test

看到这个消息后，第一时间播放一个好消息，忍不住激动了一下，哈哈。 两会期间，有代表提出今年五一假期只放1天假。总理回应说，会让有关部门抓紧研究。结果今天就落实了。 国务院办公厅关于 调整2019年劳动节假期安排 的通知 2019年5月1日至4日放假调休， 共4天 。 4月28日（星期日）、5月5日（星期日）上班。 大家看到后，一定很开心吧。 －更多分类精选文章－ 干货资料汇总 ｜ 程序员必知算法 ｜ AI入门 ｜ 吴恩达机器学习入门视频 ｜ Kaggle最受欢迎的10个数据集下载 ｜ 玩转Pandas系列 ｜ 概率论、线性代数、凸优化极简入门 ｜ 算法图解高清电子版下载 ｜ Data Analysis 高清电子版下载 ｜ TensorFlow 彩图下载 ｜ Python数据科学手册高清版下载 ｜ 最专业的简历模板 一个用心的公众号 本文分享自微信公众号 - Python与算法社区（alg-channel）。 如有侵权，请联系 support@oschina.cn 删除。 本文参与“ OSC源创计划 ”，欢迎正在阅读的你也加入，一起分享。 来源： oschina 链接： https://my.oschina.net/u/4585819/blog/4583464

这是一篇关于如何成为一名AI算法工程师的长文~ 经常有朋友私信问，如何学python呀，如何敲代码呀，如何进入AI行业呀？ 正好回头看看自己这一年走过的路，进行一次经验总结。 来看看你距离成为一名AI工程师还有多远吧~ ⭐具体内容： 🔺 我是因为什么开始接触敲代码 🔺 人工智能/机器学习/深度学习 🔺 自学如何寻找学习资料 🔺 如何选择编程语言/框架 🔺 校招/社招/实习/面试经验 🔺 一碗鸡汤 ⭐声明： 🔼 本篇内容均属于个人观点，建议采纳对自己有用的经验，如有疏漏，欢迎指正，共同进步！ 🔼 2017年5月开始第一份实习 / 2017年7月开始学敲代码 / 2017年11月硕士毕业 🔼 擅长的编程语言：R / Python 🔼 不花钱报班，全靠自学，最初是因为穷，后来发现“开源”的世界真是太美好了！ ⚡我是因为什么开始接触敲代码？ 我的第一个模型是什么 由于本科是数学，研究生是量化分析，第一份实习是一家金融科技公司，开始接触所谓的“Fintech”😝 第一个任务就是做客户的信用评分卡模型，目的给每个用户打一个信用分数，类似支付宝的芝麻信用分。这是银行标配的一个模型，最常见最传统的算法用的就是 逻辑回归 。 在课堂上使用的工具是SAS，SPSS，属于有操作界面的，菜单非常齐全，只需要鼠标点一点就能建模，很好上手。但是SAS这些要付钱的，年费还是相当的贵