Comments 4
Спасибо за комментарий.
Со своей стороны хочу сказать, что существует ряд способов, как для людей открыть для себя новую область знаний. Некоторые любят сами постигать информацию поэтапно от основ и дальше. А другие любят сначала сделать что-то, а затем разбираться и копаться, как это устроено. Тем самым появляется интерес к новой области знаний. Это два разных подхода, которые могут породить специалистов в своем деле.
А от «гуру»-позеров никуда не денешься, они были есть и будут…
Со своей стороны хочу сказать, что существует ряд способов, как для людей открыть для себя новую область знаний. Некоторые любят сами постигать информацию поэтапно от основ и дальше. А другие любят сначала сделать что-то, а затем разбираться и копаться, как это устроено. Тем самым появляется интерес к новой области знаний. Это два разных подхода, которые могут породить специалистов в своем деле.
А от «гуру»-позеров никуда не денешься, они были есть и будут…
Спасибо, за подробное описание.
Но по MNIST очень много туториалов расчитанных под читателей разного уровня.
Я думаю, что туториалы по каким-то менее заезженным данным были бы более востребованы публикой.
Например, хорошая задача про спутниковые изображения на Kaggle.com, которая проходит прямо сейчас — участникам предложено отмаркировать спутниковые снимки попиксельно, что дорога, что машина, что река, а что урожай.
Задача похожа на классическое image segmentation, но обладает своей спецификой. Было бы замечательно получить туториал, который опишет, как подступится к этой задаче, а еще лучше, как получить достойный результат.
Спасибо, статья оказалась полезной для задачи «Как начать работать с ML в Unix».
Только использую spyder из anaconda.
Только использую spyder из anaconda.
Sign up to leave a comment.
Kaggle и Linux. Digit Recognizer for analysts (для начинающих аналитиков)