Включили устаревший Theano, официальную поддержку которого разработчики уже прекратили и не включили ни Tf ни PyTorch, которыми сейчас все пользуются. Да ребята шарят!
Пока одни жалуются на нерегулярную/необоснованную премию, у других она составляет большую часть з.п., которая в случае чего угодно может быть не выдана (такой вот инструмент держания сотрудников в повиновении). В целом, все это, на мой взгляд — пустая суета, ведь в работе намного более важную роль играют интересные проекты, адекватные коллеги и начальство, стабильность. И слишком мало где все это есть, чтобы так беспокоиться по поводу такого второстепенного вопроса, как премирование.
Нет, ну это решительно кстати — как раз собираюсь испытать удачу в поступлении в МФТИ/ВШЭ на анализ данных в ближайшие годы. Большой поклон создателям курсов!
Действительно очень хорошо написанная статья (читается легко, прям почти научно-популярно все изложено). Было интересно почитать, даже несмотря на то, что уже почти полгода как работаю в области ML) Позанудствую и внесу пару замечаний. Совсем не рассказали про задачу регрессии, хотя довольно подробно описанные нейронки способны вполне эту задачу решать. В разделе про тестирование обученной модели все-таки славно было бы обмолвиться о кросс-валидации, очень уж важная штука, согласитесь, данные далеко не всегда идеальны (на самом деле никогда) и можно так тестовую выборку выделить, что показанному качеству верить и не особо можно. Рисунок 1 довольно интересный, хотя и несколько спорный. Так, например, я не уверен, что можно МНК ставить в ряд с моделями ML, все-таки довольно по-разному его можно применять и вообще это довольно общий математический метод. Занудство кончилось)
Будет интересно увидеть от Вас еще статьи по теме, например, углубленные. Даже подпишусь, чтобы вдруг не пропустить.
Бывает весело, когда заказчику охота «крутую нейронную сеть» для специфичной задачи, но убедить его потратиться на сбор данных можно, только предоставив работающий прототип (создание которого невозможно без сбора данных (сбор которых невозможен без работающего прототипа (...))).
Ответ, думаю, прост: автор совершенно не озабочен чистотой кода, а про PEP-8, видимо, вообще не слышал, отсюда и такие нечитаемые конструкции. Хотя в остальном статья интересная.
Как-то мягко говоря недостаточно признаков для предсказания дохода. Бездомный Василий может читать по вечерам Достоевского, и я могу, Абрамович тоже, а уровень доходов у нас троих совсем разный, и тут не в Достоевском дело. Но если если представить, что это чисто учебная задача, то можно, например, взять за признаки не книги, а темы, которых в них затрагиваются, тогда это будет как раз категориальным признаком, с которым, как утверждается в статье, catboost хорошо справляется.
Тема хорошая, но ввиду взлета популярности ML и огромного количества доступного материала на эту тему, все-таки ждешь чего-то более интересного и свежего, чем сухая теория из середины прошлого века. Плюсом, здесь же, на Хабре, уже имеется немало всего по нейросетям, от Яндекса, например.
Очень интересно, по-видимому, методы машинного обучения уже в полной мере дополняют, а-то и вытесняют все, что ранее звалось статистикой. Вот и в одноименном программном пакете теперь есть инструменты для конструирования и обучения нейронных сетей (имею ввиду пакет «Statistica»).
Есть ощущение, что через некоторое время, когда «бум» пройдет и содержание домашних биткоин-ферм окажется нецелесообразным, эти видеочипы можно будет с рук чуть ли не на развес покупать…
В нашем городе, ввиду увеличения популярности майнинговской идеи «денег из воздуха» (ну или уж из кристалла, GPU), с полок пропали все до одной видеокарты семейства GTX (да и вообще почти все Nvidia). И это прямо перед дипломным проектом по deep-learning, когда она самая очень была бы кстати…
Информация
В рейтинге
Не участвует
Откуда
Санкт-Петербург, Санкт-Петербург и область, Россия
Будет интересно увидеть от Вас еще статьи по теме, например, углубленные. Даже подпишусь, чтобы вдруг не пропустить.