Введение Одним из самых популярных сервисов, доступных в Amazon Web Services, является EC2, что означает Elastic Compute Cloud. EC2 упрощает для разработчиков и пользователей создание виртуальных машин, размещенных в облаке, также известных как экземпляры EC2, и управление ими. EC2 предоставляет веб-интерфейс, который упрощает развертывание и работу с экземплярами виртуальных машин, включая настройку, аутентификацию, подключение, обслуживание, хранение, масштабирование и многое другое. Помимо создания и работы с сервисом EC2 через
Алгоритм K-ближайших соседей (KNN) - это тип контролируемых алгоритмов машинного обучения. KNN [https://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm] чрезвычайно легко реализовать в его самой простой форме, но при этом выполняет довольно сложные задачи классификации. Это алгоритм ленивого обучения, поскольку он не имеет специальной фазы обучения. Скорее, он использует все данные для обучения при классификации новой точки данных или экземпляра. KNN - это непараметрический алгоритм обучения, что означает
Введение Алгоритм Боравки - это жадный алгоритм, опубликованный Отакаром Боравкой, чешским математиком, наиболее известным своими работами в области теории графов. Его самое известное приложение помогает нам найти минимальное остовное дерево в графе. В этом алгоритме стоит отметить то, что это самый старый из зарегистрированных алгоритмов с минимальным остовным деревом. Боровка придумал это в 1926 году, еще до того, как появились компьютеры в том виде, в каком мы их знаем сегодня. Он был опубликован как метод построения эффективной электросети.
Введение Simulated Annealing - это эволюционный алгоритм, вдохновленный металлургическим отжигом. Это тщательно контролируемый процесс, при котором металлический материал нагревается выше температуры рекристаллизации и медленно охлаждается. Успешный отжиг приводит к снижению твердости и термодинамической свободной энергии [https://en.wikipedia.org/wiki/Thermodynamic_free_energy] металла и изменению его внутренней структуры таким образом, что кристаллические структуры внутри материала становятся деформируемыми.
Введение В этом руководстве мы поговорим об очень мощном алгоритме оптимизации (или автоматизации), то есть об алгоритме поиска по сетке. Чаще всего он используется для настройки гиперпараметров в моделях машинного обучения. Мы узнаем, как реализовать его с помощью Python, а также применить его в реальном приложении, чтобы увидеть, как он может помочь нам выбрать лучшие параметры для нашей модели и повысить ее точность. Итак, начнем. Предпосылки Чтобы следовать этому руководству, вы должны иметь базовые знания.
Введение Поиск - одно из наиболее распространенных действий, выполняемых в обычных бизнес-приложениях. Это включает в себя выборку некоторых данных, хранящихся в структурах данных, таких как массивы, список, карта и т. Д. Чаще всего эта операция поиска определяет скорость отклика приложения для конечного пользователя. В этой статье давайте рассмотрим некоторые стратегии поиска, которые можно использовать для различных сценариев. Мы также реализуем их на Java и проанализируем их производительность с некоторыми из них.
Введение Поиск данных, хранящихся в различных структурах данных, является важной частью практически каждого отдельного приложения. Существует множество различных алгоритмов, доступных для использования при поиске, и каждый из них имеет разные реализации и полагается на разные структуры данных для выполнения своей работы. Возможность выбрать конкретный алгоритм для данной задачи является ключевым навыком для разработчиков и может означать разницу между быстрым, надежным и стабильным приложением и приложением, которое рушится.
Введение Сортировка данных означает их упорядочение в определенном порядке, часто в виде структуры данных, подобной массиву. Вы можете использовать различные критерии упорядочения, распространенными из которых являются сортировка чисел от наименьшего к наибольшему или наоборот, либо лексикографическая сортировка строк [https://en.wikipedia.org/wiki/Lexicographic_order]. Вы даже можете определить свои собственные критерии, и мы рассмотрим практические способы сделать это к концу этой статьи. Если вам интересно, как работает сортировка, мы рассмотрим различные алгоритмы, fr
Введение Иногда данные, которые мы храним или извлекаем в приложении, могут иметь небольшой порядок или вообще не иметь порядка. Возможно, нам придется изменить порядок данных, чтобы правильно их обработать или эффективно использовать. За прошедшие годы компьютерные ученые создали множество алгоритмов сортировки для организации данных. В этой статье мы рассмотрим популярные алгоритмы сортировки, поймем, как они работают, и запрограммируем их на Python. Мы также сравним, насколько быстро они сортируют элементы в списке. Для простоты реализации алгоритма будут выглядеть так: