А можете дать ссылки на основные статьи по подходу "слабой разметки" или хотябы его описания применительно к текстам? Я в статье нашел только одну медицинскую ссылку
Время на передачу данных убьет эффективность. Нет возможности использовать multithreading только multiprocessing, гораздо более ограниченный класс задач получится
Зависит от количества расчетов + желание иметь одну настроенную среду еще и для хранения датасетов. Ну и облака недешевые так-что на длинной перспектив кмк не дешевле (тут вопрос еще в апдейте комплектующих)
см. комменты выше и текст.
Сборка — включая тесты видеокарты и всего вместе
Корпус — каждый сам, до достаточно больших, чтобы много видеокарт поместилось еще поискать надо, и цели сэкономить несколько тысяч при покупке в 150 выглядят странно.
я посчитал, что поиск нужной видеокарты + ее тест, а так-же мест для каждого комплектующего и их тест, еще и тест всего вместе и рулежка если вдруг-чего, имеет скорее спортивный интерес, на который не было тогда времени.
Случаи были такие
— Данные есть в исторической выборке, но в момент принятия решения они еще не готовы в системах, и в бою модель не работает
-Модель должна эмулировать действия человека, а он порой противоречит сам себе, и нельзя формализовать ожидания от модели
-Планируемый эффект от модели за годы, ниже затрат на внедренение (тут нужно еще смотреть на косвенные эффекты, вроде автоматизации и понимания того, что происходит, однако если есть выбор, выбирают более прибыльные инциативы)
у sklearn.cluster.kmeans под капотом по умолчанию kmeans++ и эвклидовое расстояние. Если хочется чего-то экзотического то можно загрузить туда матрицу расстояний.
Ну разные методики выявляют кластера разных типов, DBScan очень неустойчив когда есть небольшое количество точек перетекающих из кластера в кластер например. Я обычно пробую различные методы с различными функциями расстояния.
про случай запустить и кто первый тот и занял, это решение не очень и проблем не решает, я про это писал в статье как раз.
Лицом к стене вроде никто не сидит ни в одном из вариантов.
Читал статьи, что человеку не очень комфортно в офисной обстановке, и он делает ее похожей немного на домашнюю, цветы, мемы, статуэтки и т.д. В этом смысле очень часто менять рабочее место не самая лучшая идея.
К тому-же при таком подходе невозможно запомнить кто где сидит.
не всем нравится когда на них смотрят все рабочее время, и к тому-же за спиной у сидящих придется ходить, что тоже не очень комфортно, и тот кто сидит около окна будет к нему спиной=> ему в монитор будет солнце светить
Почему я изменил своё мнение о слабой разметке для ML
спасибо за материал!
А можете дать ссылки на основные статьи по подходу "слабой разметки" или хотябы его описания применительно к текстам? Я в статье нашел только одну медицинскую ссылку
Как собрать компьютер для ML
Как собрать компьютер для ML
Как собрать компьютер для ML
Сборка — включая тесты видеокарты и всего вместе
Корпус — каждый сам, до достаточно больших, чтобы много видеокарт поместилось еще поискать надо, и цели сэкономить несколько тысяч при покупке в 150 выглядят странно.
Как собрать компьютер для ML
Как собрать компьютер для ML
Как собрать компьютер для ML
Этапы внедрения моделей машинного обучения на крупных предприятиях
— Данные есть в исторической выборке, но в момент принятия решения они еще не готовы в системах, и в бою модель не работает
-Модель должна эмулировать действия человека, а он порой противоречит сам себе, и нельзя формализовать ожидания от модели
-Планируемый эффект от модели за годы, ниже затрат на внедренение (тут нужно еще смотреть на косвенные эффекты, вроде автоматизации и понимания того, что происходит, однако если есть выбор, выбирают более прибыльные инциативы)
Кластеризуем лучше, чем «метод локтя»
Кластеризуем лучше, чем «метод локтя»
Крепче за баранку держись… Наш проект по контролю состояния водителей
Как рассадить всех по науке и не превратить кабинет в рассадник ненависти
Лицом к стене вроде никто не сидит ни в одном из вариантов.
Как рассадить всех по науке и не превратить кабинет в рассадник ненависти
К тому-же при таком подходе невозможно запомнить кто где сидит.
Как рассадить всех по науке и не превратить кабинет в рассадник ненависти
Как рассадить всех по науке и не превратить кабинет в рассадник ненависти
Как рассадить всех по науке и не превратить кабинет в рассадник ненависти
Как рассадить всех по науке и не превратить кабинет в рассадник ненависти
Просто, чтобы писать меньше кода с точки зрения функции можно просто вычесть из всего 2, меня скорее интересовала скорость разработки:)
Узнай, кто ты в мире Machine Learning
2. Подробно разобрано здесь ru.wikipedia.org/wiki/Парадокс_мальчика_и_девочки
3. разобрал swelf вцелом