Follow along with the video below to see how to install our site as a web app on your home screen.
Anmerkung: This feature currently requires accessing the site using the built-in Safari browser.
Regeln für den Dokumente-Bereich:
In den Börsenbereich gehören nur Angebote die bereits den Allgemeinen Regeln entsprechen.
Allgemeines:
Nicht erlaubt im Dokumente-Bereich sind:
- indizierte Titel (inkl. Comics)
- extremistische Werke, Zeitschriften und Comics (egal, welche Richtung)
- jegliche Art von Pornographie
- Anleitungen zu kriminellen Handlungen, gleich welcher Art
- sadistische, menschenverachtende oder ähnliche Werke
Nutzt den "Bedanken"-Button, bei Sammelthreads führen jegliche Kommentare, positiv wie negativ, sehr schnell zu einer Unübersichtlichkeit des Threads. Downmeldungen sind an den Uploader zu richten
Vor dem Einstellen zu beachten:
- Suchfunktion
Vergewissert euch, dass es euer Dokument noch nicht im Board gibt, Doppelposts werden kommentarlos gelöscht. Ist es schon vorhanden, tragt es als Mirror im bestehenden Post ein.
- Threadtitel
Idealerweise ist sofort zu erkennen um was es sich handelt. Verseht euren Titel mit den relevanten Informationen, das hilft euch und damit auch uns und allen Suchenden erheblich weiter.
Beispiel: [Thriller] Dan Brown - Inferno oder bei Magazinen:
Computerbild - 14/2014 (es muss ersichtlich sein, um welche Ausgabe und welches Magazin es sich handelt)
Folgende Präfixe stehen im Unterforum "Unterhaltung" zur Verfügung:
- Autor
- Titel
- Präfix
- Cover
- Genre
- Inhaltsbeschreibung
- enthaltene Formate
- Gesamtgröße des Downloads
- Hoster
- ggf. Passwort
Nicht erlaubt sind alle Dateien, die den Download unnötig aufblähen um eine Affiliategrenze zu erreichen, wie zB. mp3-files, übergroße Bilder, etc.
Ebenso nicht erlaubt sind sämtliche Dateien mit DRM, persönlichen Daten, etc., diese werden kommentarlos zu eurem eigenem Schutz gelöscht.
Achtet bitte bei der Konvertierung der Formate auf die Lesbarkeit, ein epub, was nur einfach durch Calibre gejagt wird um ein PDF zu erhalten, ist zu 99% eben nicht lesbar. Wenn ihr es nicht könnt, dann lasst es besser oder lest euch ein, wie man es richtig macht.
Unterforum Comics:
Threadtitel:
Ähnlich, wie bei Unterhaltung und Magazinen, sollte der Titel alle relevanten Informationen enthalten, hier bitte
- den Titel des Comics
- den Verlag (einige Comics sind in verschiedenen Verlagen erschienen)
- das Erscheinungsjahr
Erlaubt sind folgende Formate:
- CBR
- CBZ
Grundsätzlich gilt: jede Version eines Comics erhält einen eigenen Thread, Ersteller eines Comics können ihre Bände gerne mit dem Zusatz (Original-Release) versehen.
Bei Unsicherheiten zur korrekten Benennung bitte die Informationen von www.comicguide.de nutzen.
Inhalt des Beitrags:
Pflichtangaben hier sind:
- Titel des Bandes und ggf. Nummer
- Cover
- falls bekannt technische Daten (DPI, Breite, Speicherqualität)
- Größe des Downloads
- Hoster
- ggf. Passwort
- falls bekannt Releasenamen
Du verwendest einen veralteten Browser. Es ist möglich, dass diese oder andere Websites nicht korrekt angezeigt werden. Du solltest ein Upgrade durchführen oder einen alternativen Browser verwenden.
Supervised Machine Learning for Text Analysis in R By: Julia Silge, Emil Hvitfeldt
Supervised Machine Learning for Text Analysis in R By: Julia Silge, Emil Hvitfeldt | EPUB | 26.77 MiB
| ISBN: 0367554186 | 402 pages
Author: Julia Silge
Text data is important for many domains, from healthcare to marketing to the digital humanities, but specialized approaches are necessary to create features for machine learning from language. Supervised Machine Learning for Text Analysis in R explains how to preprocess text data for modeling, train models, and evaluate model performance using tools from the tidyverse and tidymodels ecosystem. Models like these can be used to make predictions for new observations, to understand what natural language features or characteristics contribute to differences in the output, and more. If you are already familiar with the basics of predictive modeling, use the comprehensive, detailed examples in this book to extend your skills to the domain of natural language processing.
This book provides practical guidance and directly applicable knowledge for data scientists and analysts who want to integrate unstructured text data into their modeling pipelines. Learn how to use text data for both regression and classification tasks, and how to apply more straightforward algorithms like regularized regression or support vector machines as well as deep learning approaches. Natural language must be dramatically transformed to be ready for computation, so we explore typical text preprocessing and feature engineering steps like tokenization and word embeddings from the ground up. These steps influence model results in ways we can measure, both in terms of model metrics and other tangible consequences such as how fair or appropriate model results are.