Презентую окончание повести о Валере. Командировочное задание.
Статистик / DS
Под колпаком. Ужин
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
...
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. Москва-Урал
По просьбам читателей разбиваю повесть на 4 части для Вашего удобства.
Под колпаком
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
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
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
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
Моя численная проверка гипотезы «Абсолютных курсов»
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
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
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
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)
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
Information
- Rating
- Does not participate
- Location
- Москва, Москва и Московская обл., Россия
- Date of birth
- Registered
- Activity