它以清晰的方式解释了内容，所以希望它不那么可怕，人们希望能更深入地了解它。 德鲁：所以它被称为 Practical Machine Learning In JavaScript，可从 Apress 获取，我们将在演示笔记中将其链接起来。所以我今天学习了所有关于机器学习的知识。查理，你最近学到了什么？ 查理：假设我正在深入研究与机器学习相关的事情，或者我将使用机器学习，但我想将数字信号处理与机器学习一起使用。正如我们所讨论的，机器学习需要大量数据，如果您想构建自己的模型，有时您必须过滤数据才能真正获得正确的预测。如果我们考虑一下，让我们考虑一下降噪耳机。在日常生活中，您周围有很多噪音。假设您正在火车上观看视频，周围有人在说话，并且有火车的声音。
而你要关注的是视频的声音
查理：通过数字信号处理，这有点像您的降噪耳机，周围有一些您不关心的噪音。所以有些数据你不想听，而降噪耳机可以让你专注于手机视频中发出 乌克兰 WhatsApp 号码列表 的声音，这样你就可以真正地聆听并专注于此。我在数字信号处理方面所做的事情是，我有来自硬件（例如 Arduino）的大量数据，但我知道其中有很多数据我可能并不关心。我想过滤掉我不关心的事情，这样我就可以将其提供给模型并获得关于手势或类似事情的更好预测。这样您就有了可以转换或过滤的数据信号。 查理：就像当您使用 Web API 从麦克风获取声音时，您可以在开发工具上看到数字数组，也可以将其转换为频谱图以查看声音的图片。
这只是点点为了根据硬件
数据更好地预测手势，我可以转换该信号。几年来我一直想这样做，但我对此一无所知。学习需要时间，但现在我对机器学习方面有了更多了解，我可 BTC 数据库欧盟 以学习数字处理方面，并且我正在实现目标。我喜欢这个时刻，我会想，“哦，我开始明白了，因为我花了所有的时间在上面。” 是的，这真的很有趣。我要带你去一下。德鲁·麦克莱伦：一月份，我与 Amy Hupe 讨论了她在英国政府设计系统方面的工作，特别是该团队如何通过鼓励贡献来提高更广泛的组织对该系统的采用。这是艾米。 艾米·胡佩：我们很早就开始了。因此，早在我们拥有某种公共设计系统之前，我们就开始与我们认为可能感兴趣的贡献者进行接触。