becker > data | BibSonomy

закладки (спрятать)105
показать
всё
только закладки
закладки на страницу
5
10
20
50
100
RSS
BibTeX
XML

1Gopher and RETRO Prove Lean Language Models Can Push Boundaries
https://www.deeplearning.ai/the-batch/large-language-models-shrink/?utm_campaign=The%20Batch&utm_medium=email&_hsmi=240401361&_hsenc=p2ANqtz-8xSUusSBIkSJlMHiucL2H3K9ukcSqlS-6aE-4TxPD5Bh1ElshDiBx1Vs-ROguVWC1JTS-wlfpgjJtgeuN18dgvmvEbtA&utm_content=240401361&utm_source=hs_email
год назад , @becker
large
language
model
skrinking
shrink
less
data
themis
largelanguagemodelskrinkingshrinklessdatathemis
(0)
копироватьудалить
- Запись сообщества
- посмотреть историю записи
1Titanic Model with 90% accuracy | Kaggle
https://www.kaggle.com/code/vinothan/titanic-model-with-90-accuracy
год назад , @becker
titanic
data
science
kaggle
titanicdatasciencekaggle
(0)
копироватьудалить
- Запись сообщества
- посмотреть историю записи
1kaggle-titanic/titanic-solution.ipynb at master · minsuk-heo/kaggle-titanic
https://github.com/minsuk-heo/kaggle-titanic/blob/master/titanic-solution.ipynb
год назад , @becker
titanic
data
science
titanicdatascience
(0)
копироватьудалить
- Запись сообщества
- посмотреть историю записи
1Data Science Club | Becker Lab
Hallo
год назад , @becker
data
science
club
dsc
dtsclub
dts
datascienceclubdscdtsclubdts
(0)
копироватьудалить
- Запись сообщества
- посмотреть историю записи
1Tired: PCA + kmeans, Wired: UMAP + GMM | R-bloggers
https://www.r-bloggers.com/2021/06/tired-pca-kmeans-wired-umap-gmm/
2 лет назад , @becker
pca
umap
gmm
kmeans
comparison
combination
data
science
pcaumapgmmkmeanscomparisoncombinationdatascience
(0)
копироватьудалить
- Запись сообщества
- посмотреть историю записи

&lang;&lang;
⟨
1
2
3
&rang;
⟩⟩

публикации (спрятать)76
показать
всё
только публикации
публикации на страницу
5
10
20
50
100
расширенный...
RSS
BibTeX
RDF
дальше...

1Data-driven longitudinal characterization of neonatal health and morbidity
D. Francesco, J. Reiss, J. Roger, A. Tang, A. Chang, M. Becker, T. Phongpreecha, C. Espinosa, S. Morin, E. Berson и 23 other автор(ы). Science Translational Medicine, 15 (683): eadc9854 (2023)
год назад , @becker
data
health
longitudinal
myown
neonatal
paper:fastcor
project:2023-tracking
datahealthlongitudinalmyownneonatalpaper:fastcorproject:2023-tracking
(0)
копироватьудалитьдобавить публикацию в буфер
4Will we run out of data? An analysis of the limits of scaling datasets in Machine Learning
P. Villalobos, J. Sevilla, L. Heim, T. Besiroglu, M. Hobbhahn, и A. Ho. arXiv preprint arXiv:2211.04325, (2022)
год назад , @becker
themis
large
data
machine
learning
requirement
deep
models
model
dataset
datasets
set
sets
limit
themislargedatamachinelearningrequirementdeepmodelsmodeldatasetdatasetssetsetslimit
(0)
копироватьудалитьдобавить публикацию в буфер
2Why do tree-based models still outperform deep learning on typical tabular data?
L. Grinsztajn, E. Oyallon, и G. Varoquaux. Thirty-sixth Conference on Neural Information Processing Systems Datasets and Benchmarks Track, (2022)
год назад , @becker
citedby:scholar:count:5
citedby:scholar:timestamp:2022-12-1
comparison
data
decision
evaluation
forest
learning
machine
ml
network
neural
nn
performance
random
tabular
tree
trees
citedby:scholar:count:5citedby:scholar:timestamp:2022-12-1comparisondatadecisionevaluationforestlearningmachinemlnetworkneuralnnperformancerandomtabulartreetrees
(0)
копироватьудалитьдобавить публикацию в буфер
1Corruption of the Pearson correlation coefficient by measurement error and its estimation, bias, and correction under different error models
E. Saccenti, M. Hendriks, и A. Smilde. Scientific reports, 10 (1): 1--19 (2020)
2 лет назад , @becker
paper:fastcor
correlation
error
data
bias
estimation
correction
citedby:scholar:count:53
citedby:scholar:timestamp:2022-9-23
paper:fastcorcorrelationerrordatabiasestimationcorrectioncitedby:scholar:count:53citedby:scholar:timestamp:2022-9-23
(0)
копироватьудалитьдобавить публикацию в буфер
1Longitudinal variational autoencoder
S. Ramchandran, G. Tikhonov, K. Kujanpää, M. Koskinen, и H. Lähdesmäki. International Conference on Artificial Intelligence and Statistics, стр. 3898--3906. PMLR, (2021)
2 лет назад , @becker
imputation
gain
missing
data
generative
model
net
nn
deep
learning
autoencoder
variational
longitudinal
temporal
timeseries
time
series
citedby:scholar:count:6
citedby:scholar:timestamp:2022-5-13
imputationgainmissingdatagenerativemodelnetnndeeplearningautoencodervariationallongitudinaltemporaltimeseriestimeseriescitedby:scholar:count:6citedby:scholar:timestamp:2022-5-13
(0)
копироватьудалитьдобавить публикацию в буфер
3Gain: Missing data imputation using generative adversarial nets
J. Yoon, J. Jordon, и M. Schaar. International conference on machine learning, стр. 5689--5698. PMLR, (2018)
2 лет назад , @becker
imputation
gain
missing
data
generative
model
adversarial
net
nn
deep
learning
citedby:scholar:count:468
citedby:scholar:timestamp:2022-5-13
imputationgainmissingdatagenerativemodeladversarialnetnndeeplearningcitedby:scholar:count:468citedby:scholar:timestamp:2022-5-13
(0)
копироватьудалитьдобавить публикацию в буфер
5Machine Learning in Python: Main developments and technology trends in data science, machine learning, and artificial intelligence
S. Raschka, J. Patterson, и C. Nolet. Information, 11 (4): 193 (2020)
2 лет назад , @becker
ai
artifical
data
gpu
intelligence
learning
library
machine
paper:fastcor
py
python
rapids
science
aiartificaldatagpuintelligencelearninglibrarymachinepaper:fastcorpypythonrapidsscience
(0)
копироватьудалитьдобавить публикацию в буфер
1RAPIDS: Collection of Libraries for End to End GPU Data Science
R. Team. (2018)
2 лет назад , @becker
data
gpu
library
paper:fastcor
py
python
rapids
science
datagpulibrarypaper:fastcorpypythonrapidsscience
(0)
копироватьудалитьдобавить публикацию в буфер
3MIRACLE: Causally-Aware Imputation via Learning Missing Data Mechanisms
T. Kyono, Y. Zhang, A. Bellot, и M. van der Schaar. Advances in Neural Information Processing Systems, (2021)
2 лет назад , @becker
causal
citedby:scholar:count:1
citedby:scholar:timestamp:2022-3-21
data
imputation
impute
learning
machine
missing
toread
value
causalcitedby:scholar:count:1citedby:scholar:timestamp:2022-3-21dataimputationimputelearningmachinemissingtoreadvalue
(0)
копироватьудалитьдобавить публикацию в буфер
1A knowledge graph to interpret clinical proteomics data
A. Santos, A. Colaco, A. Nielsen, L. Niu, M. Strauss, P. Geyer, F. Coscia, N. Albrechtsen, F. Mundt, L. Jensen и 1 other автор(ы). Nature Biotechnology, (2022)
2 лет назад , @becker
knowledge
graph
background
clinical
medicine
proteomics
data
network
domain
knowledgegraphbackgroundclinicalmedicineproteomicsdatanetworkdomain
(0)
копироватьудалитьдобавить публикацию в буфер
1Wilds: A benchmark of in-the-wild distribution shifts
P. Koh, S. Sagawa, H. Marklund, S. Xie, M. Zhang, A. Balsubramani, W. Hu, M. Yasunaga, R. Phillips, I. Gao и 1 other автор(ы). International Conference on Machine Learning, стр. 5637--5664. PMLR, (2021)
2 лет назад , @becker
data
distribution
shift
benchmark
datasets
citedby:scholar:count:135
citedby:scholar:timestamp:2022-1-21
m:
m:id:undefined:node
m:id:undefined:coordinate:x:-251.9265022277832
m:id:undefined:coordinate:y:-169.61904335021973
datadistributionshiftbenchmarkdatasetscitedby:scholar:count:135citedby:scholar:timestamp:2022-1-21m:m:id:undefined:nodem:id:undefined:coordinate:x:-251.9265022277832m:id:undefined:coordinate:y:-169.61904335021973
(0)
копироватьудалитьдобавить публикацию в буфер
3Imaxes: Immersive axes as embodied affordances for interactive multivariate data visualisation
M. Cordeil, A. Cunningham, T. Dwyer, B. Thomas, и K. Marriott. Proceedings of the 30th Annual ACM Symposium on User Interface Software and Technology, стр. 71--83. (2017)
2 лет назад , @becker
virtual
citedby:scholar:count:140
reality
data
vr
analysis
immermind
plots
citedby:scholar:timestamp:2022-1-11
m:
m:id:immermind:node
m:id:immermind:coordinate:x:-378.8338394165039
m:id:immermind:coordinate:y:134.9595603942871
virtualcitedby:scholar:count:140realitydatavranalysisimmermindplotscitedby:scholar:timestamp:2022-1-11m:m:id:immermind:nodem:id:immermind:coordinate:x:-378.8338394165039m:id:immermind:coordinate:y:134.9595603942871
(0)
копироватьудалитьдобавить публикацию в буфер
2A survey on image data augmentation for deep learning
C. Shorten, и T. Khoshgoftaar. Journal of Big Data, 6 (1): 1--48 (2019)
2 лет назад , @becker
image
augmentation
data
survey
deep
learning
citedby:scholar:count:2261
citedby:scholar:timestamp:2021-11-23
imageaugmentationdatasurveydeeplearningcitedby:scholar:count:2261citedby:scholar:timestamp:2021-11-23
(0)
копироватьудалитьдобавить публикацию в буфер
3BayReL: Bayesian Relational Learning for Multi-omics Data Integration
E. Hajiramezanali, A. Hasanzadeh, N. Duffield, K. Narayanan, и X. Qian. Advances in Neural Information Processing Systems, (2020)
3 лет назад , @becker
bayesian
modeling
bayes
relational
learning
multi
omics
multiomics
data
integration
bayesianmodelingbayesrelationallearningmultiomicsmultiomicsdataintegration
(0)
копироватьудалитьдобавить публикацию в буфер
4Training generative adversarial networks with limited data
T. Karras, M. Aittala, J. Hellsten, S. Laine, J. Lehtinen, и T. Aila. arXiv preprint arXiv:2006.06676, (2020)
3 лет назад , @becker
training
generative
adversarial
networks
gan
limited
data
small
datasets
set
model
neural
network
deep
learning
citedby:scholar:count:128
citedby:scholar:timestamp:2021-7-20
traininggenerativeadversarialnetworksganlimiteddatasmalldatasetssetmodelneuralnetworkdeeplearningcitedby:scholar:count:128citedby:scholar:timestamp:2021-7-20
(0)
копироватьудалитьдобавить публикацию в буфер
1Data-Driven Modeling of Pregnancy-Related Complications
C. Espinosa, M. Becker, I. Maric, R. Wong, G. Shaw, B. Gaudilliere, N. Aghaeepour, D. Stevenson, I. Stelzer, L. Peterson и 7 other автор(ы). Trends in Molecular Medicine, (2021)
3 лет назад , @becker
approach
biology
cofirst
complications
data
driven
holistic
medicine
modeling
myown
p21
pregnancy
project:bmbf
systems
approachbiologycofirstcomplicationsdatadrivenholisticmedicinemodelingmyownp21pregnancyproject:bmbfsystems
(0)
копироватьудалитьдобавить публикацию в буфер
1Integrated trajectories of the maternal metabolome, proteome, and immunome predict labor onset
I. Stelzer, M. Ghaemi, X. Han, K. Ando, J. Hedou, D. Feyaerts, L. Peterson, K. Rumer, E. Tsai, E. Ganio и 28 other автор(ы). Science Translational Medicine, (2021)
3 лет назад , @becker
data
labor
learning
machine
mining
multiomics
myown
of
onset
paper:cordis
pregnancy
project:bmbf
datalaborlearningmachineminingmultiomicsmyownofonsetpaper:cordispregnancyproject:bmbf
(0)
копироватьудалитьдобавить публикацию в буфер
1Multitask learning and benchmarking with clinical time series data
H. Harutyunyan, H. Khachatrian, D. Kale, G. Ver Steeg, и A. Galstyan. Scientific data, 6 (1): 1--18 (2019)
3 лет назад , @becker
paper:milkreview:selected
multi
task
learning
multitask
time
serial
clinical
data
citedby:scholar:count:322
citedby:scholar:timestamp:2021-5-29
paper:milkreview:selectedmultitasklearningmultitasktimeserialclinicaldatacitedby:scholar:count:322citedby:scholar:timestamp:2021-5-29
(0)
копироватьудалитьдобавить публикацию в буфер
1Challenges in the integration of omics and non-omics data
E. López de Maturana, L. Alonso, P. Alarcón, I. Mart\'ın-Antoniano, S. Pineda, L. Piorno, M. Calle, и N. Malats. Genes, 10 (3): 238 (2019)
3 лет назад , @becker
citedby:scholar:count:31
citedby:scholar:timestamp:2021-5-28
clinical
data
ehr
integration
multi
multiomics
non
omics
paper:milkreview
paper:milkreview:selected
citedby:scholar:count:31citedby:scholar:timestamp:2021-5-28clinicaldataehrintegrationmultimultiomicsnonomicspaper:milkreviewpaper:milkreview:selected
(0)
копироватьудалитьдобавить публикацию в буфер
3Mining electronic health records: towards better research applications and clinical care
P. Jensen, L. Jensen, и S. Brunak. Nature Reviews Genetics, 13 (6): 395--405 (2012)
3 лет назад , @becker
ehr
data
fastcor
paper
paper:fastcor
citedby:scholar:count:1334
citedby:scholar:timestamp:2021-5-12
ehrdatafastcorpaperpaper:fastcorcitedby:scholar:count:1334citedby:scholar:timestamp:2021-5-12
(0)
копироватьудалитьдобавить публикацию в буфер

&lang;&lang;
⟨
1
2
3
&rang;
⟩⟩

BibSonomy

закладки (спрятать)105
показать
всё
только закладки
закладки на страницу
5
10
20
50
100
RSS
BibTeX
XML

1Gopher and RETRO Prove Lean Language Models Can Push Boundaries

1Titanic Model with 90% accuracy | Kaggle

1kaggle-titanic/titanic-solution.ipynb at master · minsuk-heo/kaggle-titanic

1Data Science Club | Becker Lab

1Tired: PCA + kmeans, Wired: UMAP + GMM | R-bloggers

публикации (спрятать)76
показать
всё
только публикации
публикации на страницу
5
10
20
50
100
расширенный...
RSS
BibTeX
RDF
дальше...

1Data-driven longitudinal characterization of neonatal health and morbidity

4Will we run out of data? An analysis of the limits of scaling datasets in Machine Learning

2Why do tree-based models still outperform deep learning on typical tabular data?

1Corruption of the Pearson correlation coefficient by measurement error and its estimation, bias, and correction under different error models

1Longitudinal variational autoencoder

3Gain: Missing data imputation using generative adversarial nets

5Machine Learning in Python: Main developments and technology trends in data science, machine learning, and artificial intelligence

1RAPIDS: Collection of Libraries for End to End GPU Data Science

3MIRACLE: Causally-Aware Imputation via Learning Missing Data Mechanisms

1A knowledge graph to interpret clinical proteomics data

1Wilds: A benchmark of in-the-wild distribution shifts

3Imaxes: Immersive axes as embodied affordances for interactive multivariate data visualisation

2A survey on image data augmentation for deep learning

3BayReL: Bayesian Relational Learning for Multi-omics Data Integration

4Training generative adversarial networks with limited data

1Data-Driven Modeling of Pregnancy-Related Complications

1Integrated trajectories of the maternal metabolome, proteome, and immunome predict labor onset

1Multitask learning and benchmarking with clinical time series data

1Challenges in the integration of omics and non-omics data

3Mining electronic health records: towards better research applications and clinical care

просмотр

сходные по теме тэги

концепции

тэги

закладки (спрятать)105 показатьвсётолько закладкизакладки на страницу5102050100 RSSBibTeXXML

публикации (спрятать)76 показатьвсётолько публикациипубликации на страницу5102050100 расширенный... RSSBibTeXRDFдальше...

просмотр

сходные по теме тэги

тэги

закладки (спрятать)105
показать
всё
только закладки
закладки на страницу
5
10
20
50
100
RSS
BibTeX
XML

публикации (спрятать)76
показать
всё
только публикации
публикации на страницу
5
10
20
50
100
расширенный...
RSS
BibTeX
RDF
дальше...