ML para codificar nombres de productos en categorías de precios
Descubre un pipeline de ML para clasificar productos minoristas en categorías de precio usando reglas, bolsa de palabras y etiquetado humano confiable.
#normalización
Adaptación de dominio con un único embedding visión-lenguaje
Nuevo método de adaptación de dominio con un embedding visión-lenguaje para conducción autónoma sin datos objetivo, superando condiciones adversas.
Más allá de lo discreto: complejidad muestral del STE en cuantización 1-bit
Primer análisis teórico de complejidad muestral del Straight-Through Estimator para cuantización 1-bit. Descubre por qué el tamaño de muestra es clave para su éxito.
¿Qué tipos de fuga importan? Panorama cuantitativo en 2,047 datasets
Descubre qué tipo de fuga de datos es más peligrosa. Un estudio masivo en 2,047 datasets revela que la fuga por selección infla los resultados hasta un 90%.
Transformers con normalización de capa aprenden el método de potencia
Transformers con normalización de capa aprenden el método de potencia por gradiente descendente, revelando un sesgo algorítmico que mejora la predicción de componentes principales.
Reescalado adaptativo monótono sin hiperparámetros para colas largas
Nuevo método SAMN elimina hiperparámetros en reescalado adaptativo monótono para colas largas. Resultados SOTA en benchmarks.
Cómo extraer datos de empleos de Greenhouse y Lever con Python (sin API key)
Aprende a scrapear ofertas de trabajo de Greenhouse y Lever con Python sin necesidad de API key. Unifica datos con un actor de Apify.
Interpretación de DNNs mediante grupo de renormalización y familia exponencial
Descubre cómo las DNNs entrenadas equivalen al grupo de renormalización en datos de familia exponencial. Una nueva teoría de interpretabilidad.
FreqLite: Pronóstico a largo plazo con descomposición frecuencial ligero
Descubre FreqLite, un modelo ligero de descomposición frecuencial que supera a Transformers en pronóstico a largo plazo con 4 veces menos parámetros.
Ranking vs Asignación: Desajuste de Métricas en Asociación de Objetos Multivista
Descubre por qué las métricas de ranking como AP y FPR-95 fallan en evaluar la asignación correcta de objetos en múltiples vistas. La normalización Sinkhorn como solución.
Cómo extraer datos de empleos de Greenhouse y Lever con Python (sin API key)
Descubre cómo extraer datos de empleos de Greenhouse y Lever con Python sin API key. Usa un actor que normaliza ambos ATS en un solo esquema. ¡Ahorra tiempo!
Renormalización del Kernel en Redes Neuronales Profundas Bayesianas: el Ansatz Equivalente de Wishart en el Régimen Proporcional
Renormalización del kernel en redes bayesianas profundas mediante el ansatz de Wishart en régimen proporcional. Clave para comprender la dinámica de aprendizaje profundo.
Normalización de Observación Personalizada para Aprendizaje por Refuerzo Federado en Entornos de Simulación con Heterogeneidad
<meta name=description content=Normalización de observación personalizada para RL federado en simulaciones heterogéneas. Optimiza el rendimiento y la convergencia del aprendizaje federado en entornos diversos.>
SparseOpt: Abordando el sesgo de gradiente inducido por la normalización en el entrenamiento disperso
<meta name=description content=SparseOpt corrige el sesgo de gradiente por normalización en entrenamiento disperso. Optimiza modelos con esta solución innovadora y eficiente.>
Cómo cuadrar redes tensoriales y circuitos sin cuadrarlos
Descubre cómo alinear redes tensoriales y circuitos sin cuadrarlos. Técnica eficiente para optimizar cálculos complejos.