• ClipSaver
  • dtub.ru
ClipSaver
Русские видео
  • Смешные видео
  • Приколы
  • Обзоры
  • Новости
  • Тесты
  • Спорт
  • Любовь
  • Музыка
  • Разное
Сейчас в тренде
  • Фейгин лайф
  • Три кота
  • Самвел адамян
  • А4 ютуб
  • скачать бит
  • гитара с нуля
Иностранные видео
  • Funny Babies
  • Funny Sports
  • Funny Animals
  • Funny Pranks
  • Funny Magic
  • Funny Vines
  • Funny Virals
  • Funny K-Pop

Interpretable Machine Learning with SymbolicRegression.jl | Miles Cranmer | JuliaCon 2023 скачать в хорошем качестве

Interpretable Machine Learning with SymbolicRegression.jl | Miles Cranmer | JuliaCon 2023 2 года назад

скачать видео

скачать mp3

скачать mp4

поделиться

телефон с камерой

телефон с видео

бесплатно

загрузить,

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...
Interpretable Machine Learning with SymbolicRegression.jl | Miles Cranmer | JuliaCon 2023
  • Поделиться ВК
  • Поделиться в ОК
  •  
  •  


Скачать видео с ютуб по ссылке или смотреть без блокировок на сайте: Interpretable Machine Learning with SymbolicRegression.jl | Miles Cranmer | JuliaCon 2023 в качестве 4k

У нас вы можете посмотреть бесплатно Interpretable Machine Learning with SymbolicRegression.jl | Miles Cranmer | JuliaCon 2023 или скачать в максимальном доступном качестве, видео которое было загружено на ютуб. Для загрузки выберите вариант из формы ниже:

  • Информация по загрузке:

Скачать mp3 с ютуба отдельным файлом. Бесплатный рингтон Interpretable Machine Learning with SymbolicRegression.jl | Miles Cranmer | JuliaCon 2023 в формате MP3:


Если кнопки скачивания не загрузились НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если возникают проблемы со скачиванием видео, пожалуйста напишите в поддержку по адресу внизу страницы.
Спасибо за использование сервиса ClipSaver.ru



Interpretable Machine Learning with SymbolicRegression.jl | Miles Cranmer | JuliaCon 2023

SymbolicRegression.jl is a state-of-the-art symbolic regression library written from scratch in Julia using a custom evolutionary algorithm. The software emphasizes high-performance distributed computing, and can find arbitrary symbolic expressions to optimize a user-defined objective – thus offering a very interpretable type of machine learning. SymbolicRegression.jl and its Python frontend PySR have been used for model discovery in over 30 research papers, from astrophysics to economics. SymbolicRegression.jl is an open-source library for practical symbolic regression, a type of machine learning that discovers human-interpretable symbolic models. SymbolicRegression.jl was developed to democratize and popularize symbolic regression for the sciences, and is built on a high-performance distributed backend, a flexible search algorithm, and interfaces with several deep learning packages. The hand-rolled internal search algorithm is a mixed evolutionary algorithm, which consists of a unique evolve-simplify-optimize loop, designed for optimization of unknown real-valued constants in newly-discovered empirical expressions. The backend is highly optimized, capable of fusing user-defined operators into SIMD kernels at runtime with LoopVectorization.jl, performing automatic differentiation with Zygote.jl, and distributing populations of expressions to thousands of cores across a cluster using ClusterManagers.jl. In describing this software, I will also share a new benchmark, “EmpiricalBench,” to quantify the applicability of symbolic regression algorithms in science. This benchmark measures recovery of historical empirical equations from original and synthetic datasets. In this talk, I will describe the nuts and bolts of the search algorithm, its efficient evaluation scheme, DynamicExpressions.jl, and how SymbolicRegression.jl may be used in scientific workflows. I will review existing applications of the software (https://astroautomata.com/PySR/papers/). I will also discuss interfaces with other Julia libraries, including SymbolicUtils.jl, as well as SymbolicRegression.jl's PyJulia-enabled link to the ScikitLearn ecosystem in Python. Time Stamps: 00:00 Welcome! 00:10 Help us add time stamps or captions to this video! See the description for details. Want to help add timestamps to our YouTube videos to help with discoverability? Find out more here: https://github.com/JuliaCommunity/You... Interested in improving the auto generated captions? Get involved here: https://github.com/JuliaCommunity/You...

Comments
  • Discrete Element Sea-Ice Modeling in Julia: Successes and Challenges | Skylar Gering | JuliaCon 2023 2 года назад
    Discrete Element Sea-Ice Modeling in Julia: Successes and Challenges | Skylar Gering | JuliaCon 2023
    Опубликовано: 2 года назад
  • Keynote: Scientific Machine Learning Through Symbolic Numerics | Chris Rackauckas | JuliaCon 2023 2 года назад
    Keynote: Scientific Machine Learning Through Symbolic Numerics | Chris Rackauckas | JuliaCon 2023
    Опубликовано: 2 года назад
  • Julia in Academia: Textbooks, Stanford Courses, and the Future | Moss | JuliaCon Global 2025 8 дней назад
    Julia in Academia: Textbooks, Stanford Courses, and the Future | Moss | JuliaCon Global 2025
    Опубликовано: 8 дней назад
  • Python Symbolic Regression (PySR) [Physics Informed Machine Learning] 1 год назад
    Python Symbolic Regression (PySR) [Physics Informed Machine Learning]
    Опубликовано: 1 год назад
  • Крис Ракаукас — NonlinearSolve.jl: Эффективное нахождение корней и алгебраические уравнения в Julia 2 года назад
    Крис Ракаукас — NonlinearSolve.jl: Эффективное нахождение корней и алгебраические уравнения в Julia
    Опубликовано: 2 года назад
  • Julia Symbolics лучше, чем Python Sympy 10 месяцев назад
    Julia Symbolics лучше, чем Python Sympy
    Опубликовано: 10 месяцев назад
  • Deep Symbolic Regression: Recovering Math Expressions from Data via Risk-Seeking Policy Gradients 4 года назад
    Deep Symbolic Regression: Recovering Math Expressions from Data via Risk-Seeking Policy Gradients
    Опубликовано: 4 года назад
  • Miles Cranmer - The Next Great Scientific Theory is Hiding Inside a Neural Network (April 3, 2024) 1 год назад
    Miles Cranmer - The Next Great Scientific Theory is Hiding Inside a Neural Network (April 3, 2024)
    Опубликовано: 1 год назад
  • Алгоритм памяти, вдохновлённый работой мозга 1 год назад
    Алгоритм памяти, вдохновлённый работой мозга
    Опубликовано: 1 год назад
  • Почему диффузия работает лучше, чем авторегрессия? 1 год назад
    Почему диффузия работает лучше, чем авторегрессия?
    Опубликовано: 1 год назад
  • «Я хочу, чтобы Llama3 работала в 10 раз лучше, используя мои личные знания» — Local Agentic RAG с... 1 год назад
    «Я хочу, чтобы Llama3 работала в 10 раз лучше, используя мои личные знания» — Local Agentic RAG с...
    Опубликовано: 1 год назад
  • Interpretable Deep Learning for New Physics Discovery 4 года назад
    Interpretable Deep Learning for New Physics Discovery
    Опубликовано: 4 года назад
  • Microchip Breakthrough: We're Beyond Silicon 5 дней назад
    Microchip Breakthrough: We're Beyond Silicon
    Опубликовано: 5 дней назад
  • Accelerating Machine Learning in Julia using Lux & Reactant | Pal | JuliaCon Global 2025 10 дней назад
    Accelerating Machine Learning in Julia using Lux & Reactant | Pal | JuliaCon Global 2025
    Опубликовано: 10 дней назад
  • Converting Neural Networks to Symbolic Models 5 лет назад
    Converting Neural Networks to Symbolic Models
    Опубликовано: 5 лет назад
  • What Are Neural Networks Even Doing? (Manifold Hypothesis) 3 года назад
    What Are Neural Networks Even Doing? (Manifold Hypothesis)
    Опубликовано: 3 года назад
  • Predicting the rules behind - Deep Symbolic Regression for Recurrent Sequences (w/ author interview) 3 года назад
    Predicting the rules behind - Deep Symbolic Regression for Recurrent Sequences (w/ author interview)
    Опубликовано: 3 года назад
  • Reproducible Publications with Julia and Quarto | J.J. Allaire | JuliaCon 2022 3 года назад
    Reproducible Publications with Julia and Quarto | J.J. Allaire | JuliaCon 2022
    Опубликовано: 3 года назад
  • MAMBA from Scratch: Neural Nets Better and Faster than Transformers 1 год назад
    MAMBA from Scratch: Neural Nets Better and Faster than Transformers
    Опубликовано: 1 год назад
  • Symbolic Regression with HeuristicLab 11 лет назад
    Symbolic Regression with HeuristicLab
    Опубликовано: 11 лет назад

Контактный email для правообладателей: [email protected] © 2017 - 2025

Отказ от ответственности - Disclaimer Правообладателям - DMCA Условия использования сайта - TOS



Карта сайта 1 Карта сайта 2 Карта сайта 3 Карта сайта 4 Карта сайта 5