Спасибо за комментарий!
Данная сборка идет как для python, так и для C/C++, как указано в введении. Отсюда и вытекает необходимость в компиляторе Visual Studio (конечно, Вам никто не мешает вместо студии использовать MinGW, clang и пр., но я предпочел студию).
Замечание по поводу cmake принял — добавил изменения.
В дополнение к статье.
Еще одна современная архитектура/паттерн: Data Lake — хранилище «сырых» разнородных данных (структурированных, полуструктурированных, неструктурированных). Применяется для работы с необработанными данными, может поддерживать динамические схемы хранения. Особенно незаменимо при исследовании данных.
Мне кажется, это стоит упоминания, если мы говорим про мультимодельные ИС.
Режим «Инкогнито» может быть полезен при бронировании авиабилетов.
Как-то раз искал билеты «Москва-Сочи» на Utair, в первый день цены были одни, на следующий день уже выше рублей на 400 + на почту выслали купон на скидку 200р (видимо чтобы клиент не раздумывая взял этот вариант). Сразу подумал про куки, и не ошибся. Зайдя на портал Utair в «инкогнито», билеты вернулись к старым ценам.
Статья хорошая, но ИМХО относится не столь к машинному обучению, сколь ко всему математическому предсказательному аппарату (теория вероятностей, дифференциальные уравнения, машинное обучение и пр.), для которого справедливы все 5 пунктов статьи.
Если говорить об ограничении/применимости машинного обучения для конкретной задачи — если задачу можно свести к формуле Байеса (т.е. по известным данным D определить параметры(веса) θ, наилучшим образом описывающие эти данные P( θ | D )), то ее можно решить методами машинного обучения.
Данная сборка идет как для python, так и для C/C++, как указано в введении. Отсюда и вытекает необходимость в компиляторе Visual Studio (конечно, Вам никто не мешает вместо студии использовать MinGW, clang и пр., но я предпочел студию).
Замечание по поводу cmake принял — добавил изменения.
Еще одна современная архитектура/паттерн: Data Lake — хранилище «сырых» разнородных данных (структурированных, полуструктурированных, неструктурированных). Применяется для работы с необработанными данными, может поддерживать динамические схемы хранения. Особенно незаменимо при исследовании данных.
Мне кажется, это стоит упоминания, если мы говорим про мультимодельные ИС.
Как-то раз искал билеты «Москва-Сочи» на Utair, в первый день цены были одни, на следующий день уже выше рублей на 400 + на почту выслали купон на скидку 200р (видимо чтобы клиент не раздумывая взял этот вариант). Сразу подумал про куки, и не ошибся. Зайдя на портал Utair в «инкогнито», билеты вернулись к старым ценам.
Если говорить об ограничении/применимости машинного обучения для конкретной задачи — если задачу можно свести к формуле Байеса (т.е. по известным данным D определить параметры(веса) θ, наилучшим образом описывающие эти данные P( θ | D )), то ее можно решить методами машинного обучения.