Спасибо за статью. Как человеку который активно пользуется первыми двумя, было очень интересно.
Хочу также заметить что в Power BI существует функция импорта цветовой темы (через JSON), которая меняет дефольтные цвета на желаемый. Импортировать JSON нужно будет для каждого файла отдельно, зато не нужно будет менять все с нуля, если есть понятие «корпоративные цвета».
Ну както нужно тут определиться в чем для Вас приоритет: сфера, компания либо геолокация? Чем больше требований — тем дольше искать свое идеальное место. При чем, искать, ИМХО, нужно заранее чем делать поочередно.
Никто не отменял учить яву и пилить левые проекты ML на онлайне (Kaggle). Таким способом даже если ML не переедет к тебе, в будущем, когда будет возможность, можно и переехать к нему. Но и тут же все сводится к тому что исследование изначально было произведено только с одной точки зрения — зелень, а план роста — не очень.
На счет пословицы, бороться и настаивать на своем не означает требовать от мира именно то чего хочешь ты. Improvise, adapt, overcome — вот что сделает тебя сильнее. Конечно, life hits hard, и трудно себя мотивировать и все такое, но совсем опускать руки — не вариант. Потеря работы — не худшее что может случиться. Личный скромный опыт.
Ну предположим. Всё равно средний РоИ других крупных проектов будет все равно намного выше, тоесть инвестиции плывут в другие русла. В случае гугла неоднозначно, ибо они занимаются чем попало, но на общем рынке применений RL все равно слишком мало, и это не следствие «недоработанных» методов и не таких уж и впечатлительных результатов, а именно причина. Но как я и сказал, методы — норм, железо не тянет.
Дело не в алгоритмах, дело в железе (не буквально). Вся область RL сейчас — как обычный CNN в 80ых: концепт придумали, но реализовать не могли очевидно из за чего. Алгоритмы и методы сами по себе не плохи, маштаб не тот. И если прицепить оптимизированный квантовый комп с парой сотен кубитов, то можно за те же 2-3 дня натренеровать что угодно.
НО то же применимо и к Image Processing, Signal Processing: все они имеют огромный потенциал расти с расширением вычислительной мощи железа, но и сегодня на них можно хорошенько подзаработать (0.014$ за фотографию по ценникам Гугла). От того и инвестиции постоянные, новые алгоритмы, хайп и все такое.
А квантовыми компами сейчас кроме всяких университетов только IBM занимается ито чисто для маркетинга.
Тоесть либо на чем либо можно подзаработать *сейчас* — значит хайп, обсуждения, инвестиции, продвижение, либо «когда-нибудь», и всем будет плевать. Никто не покупал биткоины пока они за день не выросли в 3000%.
Ответ прост. пока явных примемений RL в бизнесе — нет. Т.е. заработать на нем деньги очень трудно. Сверточные сети пригодились гуглу, фб, да кому угодно у кого есть доступ к фотографиям, то же самое с LSTM, Signal Processing и так далее.
Ну предположим у тебя есть алгоритм который заставляет скелет подниматься с позиции лежа. И что? До роботостроения такого уровня в массовом производстве мы еще не дошли, ибо слишком дорого, у игр и без RL нормальный AI (ну как нормальный: на принципе сила есть — ума не надо), в трейдинге он тоже бесполезен.
Все на благотворительности работает: тот же Open AI. Покажите реальную бизнес возможность и инвестиции сразу поплывут миллионами, а там глядишь и муравьев начнут иммитировать.
Отличная статья.
Я делал совершенно то же самое год назад, когда человек отвечающий за помсковик сказал что он вручную мониторит что люди вбивают в поиск. Этим методом от оптимизировал топ 100, а этим методом стало возможно 5000.
Кому интересно — public.tableau.com/profile/arakel#!/vizhome/Portfolio_30/DataScienceProject
Хочу также заметить что в Power BI существует функция импорта цветовой темы (через JSON), которая меняет дефольтные цвета на желаемый. Импортировать JSON нужно будет для каждого файла отдельно, зато не нужно будет менять все с нуля, если есть понятие «корпоративные цвета».
Ну както нужно тут определиться в чем для Вас приоритет: сфера, компания либо геолокация? Чем больше требований — тем дольше искать свое идеальное место. При чем, искать, ИМХО, нужно заранее чем делать поочередно.
Никто не отменял учить яву и пилить левые проекты ML на онлайне (Kaggle). Таким способом даже если ML не переедет к тебе, в будущем, когда будет возможность, можно и переехать к нему. Но и тут же все сводится к тому что исследование изначально было произведено только с одной точки зрения — зелень, а план роста — не очень.
На счет пословицы, бороться и настаивать на своем не означает требовать от мира именно то чего хочешь ты. Improvise, adapt, overcome — вот что сделает тебя сильнее. Конечно, life hits hard, и трудно себя мотивировать и все такое, но совсем опускать руки — не вариант. Потеря работы — не худшее что может случиться. Личный скромный опыт.
НО то же применимо и к Image Processing, Signal Processing: все они имеют огромный потенциал расти с расширением вычислительной мощи железа, но и сегодня на них можно хорошенько подзаработать (0.014$ за фотографию по ценникам Гугла). От того и инвестиции постоянные, новые алгоритмы, хайп и все такое.
А квантовыми компами сейчас кроме всяких университетов только IBM занимается ито чисто для маркетинга.
Тоесть либо на чем либо можно подзаработать *сейчас* — значит хайп, обсуждения, инвестиции, продвижение, либо «когда-нибудь», и всем будет плевать. Никто не покупал биткоины пока они за день не выросли в 3000%.
Ну предположим у тебя есть алгоритм который заставляет скелет подниматься с позиции лежа. И что? До роботостроения такого уровня в массовом производстве мы еще не дошли, ибо слишком дорого, у игр и без RL нормальный AI (ну как нормальный: на принципе сила есть — ума не надо), в трейдинге он тоже бесполезен.
Все на благотворительности работает: тот же Open AI. Покажите реальную бизнес возможность и инвестиции сразу поплывут миллионами, а там глядишь и муравьев начнут иммитировать.
Я делал совершенно то же самое год назад, когда человек отвечающий за помсковик сказал что он вручную мониторит что люди вбивают в поиск. Этим методом от оптимизировал топ 100, а этим методом стало возможно 5000.
Кому интересно — public.tableau.com/profile/arakel#!/vizhome/Portfolio_30/DataScienceProject