Презентую окончание повести о Валере. Командировочное задание.
Алексей @Alexey_mosc
Статистик / DS
Под колпаком. Ужин
19 min
Стоять на платформе в ожидании поезда в пиджаке и навеселе было приятно, мирок станции ожил новыми приключениями, их предвкушение волновало. Ему впервые за последние часы дали побыть одному и он наслаждался легкостью прогулки. «Во истину: свобода в несвободе». Даже один перегон на поезде был привлекательнее путешествия на Таймыр, о чем он уже давно подумывал. Никто больше не вышел к поезду, и он ощущал самой кожей покой, самодостаточное одиночество. Без пригляда.
Вагончик пришел точно по расписанию -- он даже не успел как следует разглядеть незамысловатую мозаику в отделке стен станции: природа Урала, было там, точно, раскидистое дерево и медведь.
«Следующая станция «Зал приемов», осторожно -- двери закрываются». Локомотив подтолкнул вагон и с гулом покатился в темноту.
Выйдя на следующей остановке, он огляделся. Дизайну здесь уделили больше внимания: мрамор и лепнина смотрелись гротескно и величественно. Люстры с большим количеством ярких ламп завершали композицию, а на одной из стен была выложена красным орнаментом большая пятиконечная звезда.
Пройдя по проходу и миновав похожую на уже виденную ранее площадку посреди лабиринта с тремя ответвлениями: «Зал приемов», «Начальник» и «Пищеблок», не долго раздумывая, он повернул к Залу, немного прошел и уперся почти в точную копию стойки регистрации, как и в гостинице. На этот раз его встретил, поднявшись со своего места, молодой человек, с ловкостью иллюзионера проверил пропуск и отправил налево, где был короткий коридор с открытой дверью в конце. Оттуда доносились негромкие голоса и мелодичные аккорды.
Под колпаком. Прибытие
14 min
...
Снова замелькали елки. Солнце показывалось в просветах облаков, осадков не было. Паша через двадцать минут поездки вошел в знакомый всем водителям транс, держал ровную скорость под сотню и вел машину в колее. Валера задремал от ровного шума, затем он осознал, что вынырнул из сна и снова в него погрузился. Волны сна и сознания накатывали снова и снова.
Один раз даже увидел сон: он сидит в офисе, в своем удобном кресле, пытается что-то набрать в редакторе кода, да, только, работа не спорится. И, вдруг, на стол мягко запрыгивает Васька, смотрит на экран, потом на Валеру и говорит: «Спроси его, в чем смысл. Нам нужно знать, а то есть не дадут». Валера вздрогнул и открыл глаза, они продолжали ехать. Он потянулся, зевнул, посмотрел на время в личном клиенте: 15:30. Паша молчал, значит, все было нормально.
Вокруг местность изменилась: вместо полей справа постоянно шли сопки, а вдалеке несколькими сглаженными и покрытыми снежным лесом горбами проступал Уральский хребет. Слева в этот момент была низменность, в километре от трассы, внизу, виднелся небольшой городок и замерзшая река. Городок производил впечатление заброшенности но жизнь в нем тлела: из труб частных домов кое-где поднимались сизые струйки, виднелись редкие машины, а из высокой трубы котельной валил густой темный дым.
Машин на трассе стало больше, часто попадались фуры. Грязные и медленные, они дымили так, что через систему очистки воздуха в салон проникал запах солярного выхлопа. Приходилось постоянно обгонять. Дорога шла то вверх, то вниз, и когда они забирались на очередной перевал, то видели, как шел гуськом караван машинок, которые пропадали за следующим изгибом дороги.
Под колпаком
59 min
Представляю на суд публики свое художественное произведение, выложенное в Самиздат (откуда его можно скачать в формате FB2), а также, для расширения аудитории, на Medium.
Книга про то, что Вы сами в ней увидите, история маленького человека.
Буду рад оценкам.
Аннотация: Философская техносказка о проблеме взаправдашнего искусственного интеллекта и государства.
Deep Q Trading: объектно-ориентированный код на R
4 min
Tutorial
Translation
Привет! Это перевод еще одной моей статьи, посвященной обучению с подкреплением (reinforcement learning). Эту итерацию даже предложили запостить в блоге Веды аналитики. :)
В двух прошлых статьях на эту тему: 1 и 2 я пробовал создать и запустить обучение с подкреплением для задачи трейдинга на синтетических и реальных данных. Тогда я опубликовал код нейронной сети, чтобы помочь вам начать ваши проекты. На этот раз я публикую весь код эксперимента, который я создал, используя язык для анализа данных R, обогащенный классами R6, чтобы упростить погружение в эту тему. Даже если ваше ежедневное программирование связано с использованием Python, Java или C, вы, вероятно, найдете ООП R6 довольно удобным. Надеюсь, вам понравится высокоуровневость кода. Заходите на мой репозиторий кода, клонируйте и запустите его!
Вокруг data.table
9 min
Tutorial
Эта заметка будет интересна для тех, кто использует библиотеку обработки табличных данных для R — data.table, и, возможно, будет рад увидеть гибкость ее применения на различных примерах.
Вдохновившись хорошим примером коллеги, и надеясь, что вы уже почитали его статью, предлагаю глубже копнуть в сторону оптимизации кода и производительности на основе data.table.
Вдохновившись хорошим примером коллеги, и надеясь, что вы уже почитали его статью, предлагаю глубже копнуть в сторону оптимизации кода и производительности на основе data.table.
Тематическое моделирование новостей с помощью факторного анализа
8 min
Tutorial
Привет, коллеги! Как из 20 000 новостей за 30 секунд выделить главные темы? Обзор тематического моделирования, которое мы делаем в ТАСС, с матешей и кодом.
Artificial Stupidity: бот, который мне не помог
2 min
Привет Хабр! После прочтения пары дайджестов про полезные сервисы на базе искусственного интеллекта я решил попробовать такой сервис по автоматизированному поиску работы, где с вами общается бот-ассистент. Встречайте: newton.ai. Через полчаса я был зол.
Моя численная проверка гипотезы «Абсолютных курсов»
4 min
Tutorial
Привет, Хабр!
Мне показалась интересной данная публикация: Получаем абсолютные курсы из парных кросс-курсов валют и я захотел проверить возможность найти этот аааабсолютный курс валюты через численное моделирование, вообще отказавшись от линейной алгебры.
Результаты получились интересными.
Мне показалась интересной данная публикация: Получаем абсолютные курсы из парных кросс-курсов валют и я захотел проверить возможность найти этот аааабсолютный курс валюты через численное моделирование, вообще отказавшись от линейной алгебры.
Результаты получились интересными.
Как работает PageRank: реализация на языке R через линейную алгебру и power-метод
7 min
Tutorial
Привет, хабровчане!
Меня зовут Алексей. На этот раз я вещаю с рабочего места в ИТАР-ТАСС.
В данном небольшом тексте я познакомлю вас с методом расчета PageRank © (далее буду называть его ПР) на простых, понятных примерах, на языке R. Алгоритм является интеллектуальным достоянием Google, но, ввиду его полезности для задач анализа данных, применяется много в каких задачах, которые можно свести к поиску больших узлов на графе и ранжированию их по значимости.
Упоминания крупной компании в посте не является рекламой.
Меня зовут Алексей. На этот раз я вещаю с рабочего места в ИТАР-ТАСС.
В данном небольшом тексте я познакомлю вас с методом расчета PageRank © (далее буду называть его ПР) на простых, понятных примерах, на языке R. Алгоритм является интеллектуальным достоянием Google, но, ввиду его полезности для задач анализа данных, применяется много в каких задачах, которые можно свести к поиску больших узлов на графе и ранжированию их по значимости.
Упоминания крупной компании в посте не является рекламой.
Улучшение агента на основе Q-Learning, торгующего stocks, путем добавления рекуррентности и формирования наград
7 min
Tutorial
Напоминание
Привет, Хабр! Предлагаю вашему вниманию ещё один перевод моей новой статьи с медиума.
В прошлый раз (первая статья) (Habr) мы создали агента на технологии Q-Learning, который совершает сделки на имитированных и реальных биржевых временных рядах и пытались проверить, подходит ли эта область задач для обучения с подкреплением.
В этот раз мы добавим LSTM слой для учета временных зависимостей внутри траектории и сделаем инженерию наград (reward shaping) на основе презентаций.
Можно ли обучить с подкреплением агента для торговли на рынке акций? Реализация на языке R
6 min
Tutorial
Давайте создадим прототип агента обучения с подкреплением (RL), который овладеет навыком трейдинга.
Учитывая, что реализация прототипа работает на языке R, я призываю пользователей и программистов R приблизиться к идеям, изложенным в этом материале.
Это перевод моей англоязычной статьи: Can Reinforcement Learning Trade Stock? Implementation in R.
Хочу предупредить код-хантеров, что в этой заметке есть только код нейронной сети, адаптированной под R.
Если я не отличился хорошим русским языком, укажите на ошибки (текст готовился с подмогой автоматического переводчика).
Учитывая, что реализация прототипа работает на языке R, я призываю пользователей и программистов R приблизиться к идеям, изложенным в этом материале.
Это перевод моей англоязычной статьи: Can Reinforcement Learning Trade Stock? Implementation in R.
Хочу предупредить код-хантеров, что в этой заметке есть только код нейронной сети, адаптированной под R.
Если я не отличился хорошим русским языком, укажите на ошибки (текст готовился с подмогой автоматического переводчика).
Методические заметки об отборе информативных признаков (feature selection)
39 min
Tutorial
Всем привет!
Меня зовут Алексей Бурнаков. Я Data Scientist в компании Align Technology. В этом материале я расскажу вам о подходах к feature selection, которые мы практикуем в ходе экспериментов по анализу данных.
В нашей компании статистики и инженеры machine learning анализируют большие объемы клинической информации, связанные с лечением пациентов. В двух словах смысл этой статьи можно свести к извлечению ценных крупиц знания, содержащихся в небольшой доле доступных нам зашумленных и избыточных гигабайтов данных.
Источник.
Меня зовут Алексей Бурнаков. Я Data Scientist в компании Align Technology. В этом материале я расскажу вам о подходах к feature selection, которые мы практикуем в ходе экспериментов по анализу данных.
В нашей компании статистики и инженеры machine learning анализируют большие объемы клинической информации, связанные с лечением пациентов. В двух словах смысл этой статьи можно свести к извлечению ценных крупиц знания, содержащихся в небольшой доле доступных нам зашумленных и избыточных гигабайтов данных.
Данная статья предназначена для статистиков, инженеров машинного обучения и специалистов, которые интересуются вопросами обнаружения зависимостей в наборах данных. Также материал, изложенный в статье, может быть интересен широкому кругу читателей, неравнодушных к data mining. В материале не будут затронуты вопросы feature engineering и, в частности, применения таких методов как анализ главных компонент.
Источник.
Теория информации в задаче проверки гипотезы о независимости значений, принимаемых случайной переменной, на примере индекса DJI
5 min
Попробуем проверить гипотезу о том, являются ли приращения значений индекса DJI статистически независимыми. При этом в качестве референсного источника данных, с которым будем проводить сравнение, возьмем искусственный временной ряд, сгенерированный из собственно приращений исходного ряда, но при этом случайно перемешанных. В качестве меры статистической независимости воспользуемся статистикой взаимной информации.