ПАО ИГ2
1350 UAH
При этом вы будете применять два приблизительных метода вывода для байесовских сетей, т.е. выборка отбраковки и выборка Гиббса в прилагаемом базовом коде.
Структурный курс будет следующим:
Отбор проб для отклонения: 70%
Отбор проб Гиббса: 30%
Ввод:
Байесовская сеть представлена в качестве списка узлов. Каждый узел представлен в качестве списка в следующем порядке:
имя: строки
имена родителей: список струн. Может быть пустой список
cpt: таблица условной вероятности, представленная в виде массива. Каждая позиция соответствует условной вероятности того, что переменная, соответствующая этому узлу, является истинной. Строки задаются таким образом, чтобы значения исходной переменной(ых) узла(ов) пересчитывались традиционным образом. Это, в таблице, наиболее правые переменные заместители T, F, T, F,...; переменная влево T, T, F, F, T, T, F, и так далее.
Узлы сети будут заказаны в соответствии с топологией сети, т.е. Например, сеть разбрызгивателей на рис. 13.15 и на наших слайдах представлена следующим образом:
узлы = [["Клоди", [...], [0,5]],
["Sprinkler", ["Cloudy"], [0.1, 0,5]],
["Рай", ["Клоди",] [0.8, 0,2],
["Wettgrass", ["Sprinkler", "Rain"], [0,99, 0,9, 0,9, 0,0]]
b = Байеснет (узлы)
b. отпечаток()
Вы можете позвонить b.print(), чтобы увидеть таблицы условной вероятности, организованные для каждого узла.
Мероприятие:
В запросе вам будет предложено вычислить условную вероятность одной переменной, такой, как P(Rain β Cloudy = false, Sprinkler = false). Запросы всегда будут касаться распределения, а не конкретной вероятности события.
В связи с запросами будут запрошены следующие методы:
Отмена выборки (query Node Name, доказательства, N)
или
Гиббс-выборка (query Node Name, улики, N)
Index NodeName: строка для имени запроса
доказательство: набор пар
N: общее число итераций
Например, с учетом сети b выборочный запрос Гиббса можно назвать и распечатать следующим образом:
выключено = b. gibbsSampling("Rain", {"Sprinkler": True}, 100000)
распечатка (вычеркивание)
Выпуск будет выглядеть следующим образом:
> [0,299, 0,700]
Приложения 1
Актуальные фриланс-проекты в категории AI и машинное обучение
N8n - автоматизация обработки запросов интернет-магазина на Shopify
2000 UAH
Ищу специалиста по n8n для построения рабочего процесса, который автоматически обрабатывает входящие запросы клиентов нашего Shopify-магазина: классифицирует их, подтягивает данные заказа из Shopify и маршрутизирует на правильное действие (автоответ, тикет, уведомление… AI и машинное обучение ∙ 4 часа 56 минут назад ∙ 12 ставок |
Необходимо создать бота в телеграм с AI ассистентомНеобходимо создать бота, который будет делать дипфейки через подключенный через API сервис для дипфейков (изменение лица или фото) AI и машинное обучение, Консультирование по AI ∙ 7 часов 26 минут назад ∙ 21 ставка |
Ищу человека. который поможет мне разобраться в Вайбкодинге.
998 UAH
Нужен человек для постоянных консульций в Вайбкодингу, мне интересно заняться данным направлением - в качестве хобби. Но мне нужен тренер, который покажет и подскажет что и как работает. AI и машинное обучение ∙ 9 часов 38 минут назад ∙ 16 ставок |
Разработка Telegram-конвейера в n8n: Авто-генерация контента, монтаж, создание описаний и автопублик
10 000 UAH
1. Цель Разработать автоматическую систему на базе локальногоn8n (Mac M4)иTelegram-бота. Бот принимает медиафайлы и тезисы, а ИИ сам генерирует сценарий, уникальноеописаниеподкаждоевидео, озвучивает ролики моим голосом, монтирует их и публикует в соцсети. 2. Задачи исполнителя… AI и машинное обучение, Консультирование по AI ∙ 23 часа 54 минуты назад ∙ 20 ставок |
Telegram-бот для автоматического собеседования ветеринарных врачей с интеграцией OpenAI
1000 UAH
Цель: максимально автоматизировать первичный отбор кандидатов без участия работодателя. 1. Кандидат переходит по ссылке на Telegram-бота и начинает собеседование командой /start. 2. Бот последовательно задаёт 18 заранее заданных вопросов. 3. Ответы принимаются только в виде… AI и машинное обучение, Разработка ботов ∙ 1 день 6 часов назад ∙ 83 ставки |
Boston