KemalHow I Built a Machine Learning Tool to Predict Drug Manufacturing Failures
A bioprocess engineer's journey into machine learning and why the pharmaceutical industry desperately needs this bridge When I tell people I work in bioprocess engineering, I usually get blank stares. When I explain that I help manufacture proteins in giant tanks for therapeutic use, the response is often: "Oh, like brewing beer?" Not quite. But close enough. What I don't usually mention is that I've been teaching myself machine learning on nights and weekends. Not because it's trendy, but […]
💧🌏 Greg CocksImproving Forest Loss Mapping In Nepal Using Landtrendr Time-Series And Machine Learning
--
https://doi.org/10.1016/j.rsase.2025.101864 <-- share paper
--
“HIGHLIGHTS:
• ViT-based forest mask, multispectral ensemble LandTrendr and terrain shadow mask.
• District-level RF/XGBoost model training with expert-weighted validation.
• Outperformed GFC and REDD + AI benchmarks in accuracy and F1 performance.
• RF excelled in High Mountains/Himalayas; XGBoost in the lower Mountain regions.
• NBR contributed the most; snow-impacted forest loss uncertainty was observed..."
#Forestdisturbance #forest #disturbance #remotesensing #LandTrendr #workflow #timeseries #ViT #RF #XGBoost #GEE #Nepal #ForestNepal #spatial #GIS #mapping #earthobservation #landsat #Himalayas #mountains #alpine #vegetation #AI #multispectral #monitoring #spatialanalysis #spatiotemporal #loss #change #machinelearning #NDR #conservation #planning #policy #mitagion #ecology #Karnali #Bagmati, #Darchula #Siwalik #GlobalForestChange #Degradation
--
https://doi.org/10.1016/j.rsase.2025.101864 <-- share paper
--
“HIGHLIGHTS:
• ViT-based forest mask, multispectral ensemble LandTrendr and terrain shadow mask.
• District-level RF/XGBoost model training with expert-weighted validation.
• Outperformed GFC and REDD + AI benchmarks in accuracy and F1 performance.
• RF excelled in High Mountains/Himalayas; XGBoost in the lower Mountain regions.
• NBR contributed the most; snow-impacted forest loss uncertainty was observed..."
#Forestdisturbance #forest #disturbance #remotesensing #LandTrendr #workflow #timeseries #ViT #RF #XGBoost #GEE #Nepal #ForestNepal #spatial #GIS #mapping #earthobservation #landsat #Himalayas #mountains #alpine #vegetation #AI #multispectral #monitoring #spatialanalysis #spatiotemporal #loss #change #machinelearning #NDR #conservation #planning #policy #mitagion #ecology #Karnali #Bagmati, #Darchula #Siwalik #GlobalForestChange #Degradation
sayzardQuan Nguyen (@qnguyen3)
mlx-boosting은 MLX를 활용해 Gradient Boost Tree 및 XGBoost의 학습·예측을 가속화하는 라이브러리로, Apple M3 Max 환경에서 scikit-learn 대비 최대 3.5배 빠른 성능을 제공한다고 보고했습니다. pip로 설치(uv pip install mlx-boosting)하여 바로 사용해볼 수 있다고 안내합니다.
Zachari
HabrБорьба с дисбалансом классов. Ансамблевые и комбинированные методы
Привет, Хабр! На связи KozhinDev и ml-разработчик Приходько Александр. Это четвертая часть цикла о борьбе с дисбалансом классов. Предыдущие статьи: - В первой статье мы рассказали про суть проблемы дисбаланса классов и стандартные методы борьбы с ним; - Во второй статье обсуждались методы undersampling - удаление данных из распространенного класса; - В третьей статье рассматривались методы oversampling - генерация примеров редкого класса. В данной части мы рассмотрим комбинированные и ансамблевые методы библиотеки Imbalanced Learn .
https://habr.com/ru/companies/kozhindev/articles/975626/
#машинное_обучение #logistic_regression #xgboost #lightgbm #catboost #oversampling #баланс_классов
Борьба с дисбалансом классов. Oversampling
Привет, Хабр! На связи KozhinDev и ml-разработчик Приходько Александр. Это третья статья в цикле публикаций по теме борьбы с проблемой дисбаланса классов в машинном обучении. В первой статье мы обсудили актуальность данной проблемы в машинном обучении, а также сравнили методы борьбы с ним, без внесения изменений в сами данные: изменение весов классов и порога принятия решения моделью. Во второй статье мы сравнивали undersampling-методы, которые удаляли представителей частого класса. В данной части мы протестируем методы балансировки данных методом oversampling из библиотеки imblearn . Суть данного метода заключается в том, что мы пытаемся бороться с дисбалансом классов генерируя данные для редкого класса. Мы рассмотрим разные способы генерации таких данных и протестируем их на синтетических данных.
https://habr.com/ru/companies/kozhindev/articles/968714/
#машинное_обучение #logistic_regression #xgboost #lightgbm #catboost #oversampling #баланс_классов
XGBoost альтернатива CatBoost для работы с категориальными данными???
Новый категориальный ре-кодер в XGBoost обещает избавить нас от рутины ручного кодирования и опередит CatBoost по качеству работы с категориальными данными?
https://habr.com/ru/articles/965382/
#xgboost #catboost #boosting #категориальные_данные #категориальные_признаки #сырые_данные
Olusegun OyekanmiCrypto Price Prediction using LSTM+XGBOOST https://youtu.be/ocql7U1gSB4?si=Rel-6ygK_vl1BVgt via @YouTube #xgboost #MachineLearning #lstm #cryptocurrencies #pricepredictions
https://www.youtube.com/watch?v=ocql7U1gSB4&utm_source=flipboard&utm_medium=activitypub
Posted into NOSABLOGGISTA @nosabloggista-OluOyekanmi
CRYPTO PRICE PREDICTION USING LSTM+XGBOOST
Борьба с дисбалансом классов. Undersampling
Привет, Хабр! На связи KozhinDev и ml-разработчик Приходько Александр. Это вторая статья в цикле публикаций по теме борьбы с дисбалансом классов в машинном обучении. В предыдущей статье мы рассмотрели актуальность данной проблемы и сравнили методы борьбы без внесения изменений в данные: балансировка весов классов и изменение порога принятия решения моделью. В данной части будем тестировать балансировку данных методом undersampling из библиотеки imblearn.
https://habr.com/ru/companies/kozhindev/articles/954402/
#машинное_обучение #logistic_regression #xgboost #lightgbm #catboost #баланс_классов #undersampling
