Pull to refresh
4
0
Владимир Сорокин @Sorokinv

User

Send message

Не вызывает интереса, потому что написано странно.

  1. Отсутствует описание того, что строится в статьях

  2. Отсутствует план построения и описания

  3. Описывается нажатие клавиш, без системы привязанной к плану построения. Зачем мне нужно в 3 й части неожиданно строить бобышку?

    Короче говоря нет системы описания и азарта. Просто кто-то отрабатывает унылое задание по плану написания статей. Поэтому и не вызывает интереса. Да и автор, видимо в силу своей многозначительности, не высказывает своего мнения по поводу замечаний.

Добрый день, я прочитал статью и не понял , а что Вы собираетесь построить? Какую-то деталь Паук, в принципе первая деталь похожа на паука, но в конце появляется какая то труба, похожая на трубу от пылесоса.

Цель статьи просто показ техники работы в меню nanocad-a?

В соревновании по-моему пробовали строить мозаику из изображений. Вы использовали нарезку из мозаики?
У Вас действительно нет никакой конкретики на сайте, специально посмотрел. Есть только рекламные материалы которые относятся к ДВФУ и не более, например, фотографии библиотеки. Сайт сделан хорошо, но никакой конкретики нет, даже места нет, где будет строительство. Наверное и сами не знаете, где он будет построен.
Для приличия, хотя бы ТЗ опубликуйте, если у Вас нет ТЗ у Вас не может быть проектирования. Когда строили мосты, были опубликованы схемы мостов и общее описание, хотя эта информация более закрытая, чем Ваш будущий комплекс с планируемым общедоступным оборудованием.
Вообще 2022 как начало эксплуатации — это слишком оптимистичный срок. Принятие решения о проектировании и строительстве, выделение средств на проектирование, конкурс на проектирование, проектирование, прохождение экспертизы — минимум 3 года. Это уже 2022 год. Плюс бодание за выделение денег на строительство и строительство 3-4 года. Это уже 2026 год. Это скорее всего в лучший сценарий.
К этому моменту сменятся административные персоналии, и все перейдет в плоскость разборок.
Вообще идея здравая: использовать оставшиеся площади в городе после переезда (>60000 m2), тем более сбагрить их никуда не могут и заполняемость 80000 м2 во Владивостоке действительно сомнительна. Кроме того эти помещения географически сконцентрированы в городе в трех точках. В этом случае деньги нужны на оснащение производственной базой и ремонт. Может будет смотреться на фотографиях похуже чем ново построенные с красивыми секретаршами, но получше чем в Калифорнии с бетонными стенами. Кроме того это быстрее сделать на 2-4 года и будет раньше понятна их реальная заполняемость и эфективность предпринятых телодвижений.

Супердетализированная карта распределений вероятности потрясает :)

Спасибо за ответ. Я вообщем-то может быть не совсем точно выразился. Я имел ввиду не степень двойки, а размер, например, почему не поставить 1024, 4096, 9132, в свертке и в Dense. Кроме как, увеличения объемов вычислений, для изображений с размерами 200*200, особого эффекта я не заметил в обработке. Даже в чем-то хуже. Такое впечатление, что количество слоев имеет влияние в районе значения стороны грани изображения. То есть для изображений 200*200 увеличивать его выше 128-256 смысла нет. Результативность останавливается, но это мое личное наблюдение, хотя может я и ошибаюсь.
А каким образом магические цифры размеров слоев: 32-64-128-256-… и тд, связаны с размером исходных изображений для обучения (traning) и предсказаний (predict)? Откуда они такие берутся? Понятно, что их делить на два удобно, как опускать, так и поднимать, но как они связаны с размерами изображений используемых в обучении? Насколько их можно задирать вверх и вниз? Существует ли практическая эмпирика?
Спасибо, за ответ. Смотрю Вы даже NN пытались подтянуть через Keras, хотя вряд ли они дают эффект на таких задачах, но интересно. Поздравляю с результатом :)
Под объединением/укрупнением команд имеется ввиду объединение независимых результатов (ensembling) и идей на заключительной стадии? Ваш основной метод построения модели был основан только на xgboost, или Вы использовали и другие пакеты (RF (RandomForest), плюс еще какая-то экзотика на удачу)?
EDX MITx 15.071x The Analytic Edge — ML + основы языка R. Прошел в мае 2014. Один из лучших курсов по методам ML и на примере использования языка R. В конце затрагивается система оптимизации решений на Excel и Libre Office (оптимизация задачи составления расписаний). Курс очень плотный с практикой.

EDX Microsoft DAT203x Data Science and Machine Learning Essentials — Очень хороший легкий систематический курс по задачам ML, Azure ML и работе на нем с помощью Python и R. Теории практически нет, но он дает хорошую систематику по основным задача с практикой. Прошел в марте 2016.
Спасибо за ответ, обязательно гляну.

Но я вроде бы уже разобрался методом проб и ошибок за время модерации вопроса. Данная возможность не предоставляется для наборов типа dataset, в том числе и выгрузка в Jupyter notebook (но предоставляется для типов типа csv, tsv и др, как запутанно описано в описании библиотеки AzureML). Я после задумчивых чтений сообщений об ошибках в Jupyter Notebook для функции download.datasets (AzureML) решил попробовать перегрузить одну таблицу в csv формат. И для этой таблицы в csv формате всё недостающее появилось, в том числе выгрузки в notebook, генерация кода доступа и другие плюшки. Так что проблема была в форматах хранения данных, с которыми ты хочешь работать внешними приложениями.

Thanks, отличия по уровням гляну.
У Вас свободный аккаунт (Free) или другой (стандартный, нестандартный)? На свободном (free) аккаунте доступа к генерации кода доступа к DataSet нет, по крайней мере у меня (Generate Data Access Code). Так же нет Custom вкладки на панели в AzureML. Каковы требования к аккаунту для такой работы?

Information

Rating
Does not participate
Location
Владивосток, Приморский край, Россия
Date of birth
Registered
Activity