Все приведенные схемы показывают движение в замкнутой системе. Что "правильные схемы", что не правильные. А в жилые помещения, это не 1 комната! Должен быть приток и отток воздуха. И при проектировании надо понимать как будет двигаться свежий воздух и куда он потом будет уходить, двигаясь через всю квартиру к вентиляции в туалете и на кухне.
А кто нибудь проводил или может есть ссылка на модели, которые могут обсуждать более узкие темы или употреблять нецензурные выражения? Пока , что мой опыт с разными моделями говорит, что проще свою модель натренировать, чем заставить промптом существующие.
Подскажите, какие могут требоваться дополнительные инстансы для предикт модели? Она же должна брать данные из какой-то базы, делать предикт и выдавать ответ. Понятно , что разворачивать питон, ставить airflow или иной инструмент на удаленном сервере, настраивать все это сложнее.
Да согласен. В некоторых домах вытяжная труба идёт на каждую квартиру отдельно. Если в вашем доме это не так, то может получится как вы написали. От обратного тока из вентиляции можно поставить обратный клапан. Они стандартные и продаются под любой размер трубы.
Возможно не стоит делать дополнительные отверстия для вытяжки помимо стандартных. Есть вероятность что нарушится воздухообмен и как результат плесень в ванной комнате и повышение уровня CO2. Достаточно поставить вытяжной вентилятор в стандартную вытяжку и включить его например в умную розетку. И второй момент, есть датчики измерения СО2 логические, а есть физические. Т.е логические собирают разные параметры и предполагают что при этих параметрах уровень СО2 может быть такой. А в физических стоит реальный элемент который измеряет уровень CO2. Физические обычно гораздо дороже. Самый доступный который я видел это от Xiaomi cleargrass air detector
Недавно прошел курс на cousera от Андрю НГ, и он там как раз говорит что лучше работать с данными. Сперва попробовать на небольшом количестве данных выбрать модель, а потом стараться улучшать качество и количество данных.
Спасибо. Разобрался. Но получается что если просто нужно прибавить 1, то придется выполнить 3 действия. Отменить предыдущее, создать новый ключ, добавить его. Не совсем понятно, почему это будет работать быстрее.
Довольно интересно. Но кажется такие показатели как пол, возраст, регион стоит учитывать. Возможно показатели лояльности в таких срезах могут отличаться. Но идея любопытная, сразу вижу вариант, как собрать выборку лояльных клиентов, посмотреть все их характеристики и настроить рекламу на такую же аудиторию.
Ну и что плохого, что тем кому очень нужно смогут дать больше денег,э и зарядится на 100 процентов. Когда человек выбирает платную дорогу или платную медицину, он это делает осознано, хуже когда выбора нет и плохо всем.
Не совсем понял. В начале где добавляли Еву к Адаму. Сперва удалили 1. Потом сказали что нужно к результату прибавить 1 и получили 2 человека. Вопрос если 1 удалили, где тогда содержалась удаленная единица чтобы к ней прибавить 1? Получилось, что мы к none прибавили 1 и получили 2 ?
А я все чаще замечаю... Современные технологии машинного обучения включают в себя готовые блоки и платформы, что упрощает работу в этой сфере и делает её более доступной. Теперь не требуется глубоких знаний в алгебре или высшей математике для начала работы с машинным обучением. Это значительно ускоряет процесс вхождения в область машинного обучения. Кроме того, существуют специализированные платформы, такие как системы машинного зрения от Андрея Нг, лингвистические модели, и продукты, основанные на векторных базах данных. В этих случаях большее значение приобретают знания в программировании и понимание общих принципов работы этих систем.
В какой программе дашборд делали?
Спасибо. Попробую
А может быть 2 минимума? И мы на спуске выберем 1, а он окажется не самым низким минимумом? Или просто 0,2 , а дальше не важно?
Все приведенные схемы показывают движение в замкнутой системе. Что "правильные схемы", что не правильные. А в жилые помещения, это не 1 комната! Должен быть приток и отток воздуха. И при проектировании надо понимать как будет двигаться свежий воздух и куда он потом будет уходить, двигаясь через всю квартиру к вентиляции в туалете и на кухне.
И я в очереди
А кто нибудь проводил или может есть ссылка на модели, которые могут обсуждать более узкие темы или употреблять нецензурные выражения? Пока , что мой опыт с разными моделями говорит, что проще свою модель натренировать, чем заставить промптом существующие.
Подскажите, какие могут требоваться дополнительные инстансы для предикт модели? Она же должна брать данные из какой-то базы, делать предикт и выдавать ответ. Понятно , что разворачивать питон, ставить airflow или иной инструмент на удаленном сервере, настраивать все это сложнее.
Таксисты и секретарши)
Да согласен. В некоторых домах вытяжная труба идёт на каждую квартиру отдельно. Если в вашем доме это не так, то может получится как вы написали. От обратного тока из вентиляции можно поставить обратный клапан. Они стандартные и продаются под любой размер трубы.
Возможно не стоит делать дополнительные отверстия для вытяжки помимо стандартных. Есть вероятность что нарушится воздухообмен и как результат плесень в ванной комнате и повышение уровня CO2. Достаточно поставить вытяжной вентилятор в стандартную вытяжку и включить его например в умную розетку.
И второй момент, есть датчики измерения СО2 логические, а есть физические. Т.е логические собирают разные параметры и предполагают что при этих параметрах уровень СО2 может быть такой. А в физических стоит реальный элемент который измеряет уровень CO2. Физические обычно гораздо дороже. Самый доступный который я видел это от Xiaomi cleargrass air detector
Ну, слову можно придать смысл. Например слово- титбит. Без контекста не разобраться.
Хотел попробовать, но AWS в своем духе сразу просит реквизиты карты. Потом от них не отвяжеся.
Недавно прошел курс на cousera от Андрю НГ, и он там как раз говорит что лучше работать с данными. Сперва попробовать на небольшом количестве данных выбрать модель, а потом стараться улучшать качество и количество данных.
Спасибо. Разобрался. Но получается что если просто нужно прибавить 1, то придется выполнить 3 действия. Отменить предыдущее, создать новый ключ, добавить его. Не совсем понятно, почему это будет работать быстрее.
Довольно интересно. Но кажется такие показатели как пол, возраст, регион стоит учитывать. Возможно показатели лояльности в таких срезах могут отличаться. Но идея любопытная, сразу вижу вариант, как собрать выборку лояльных клиентов, посмотреть все их характеристики и настроить рекламу на такую же аудиторию.
Ну и что плохого, что тем кому очень нужно смогут дать больше денег,э и зарядится на 100 процентов. Когда человек выбирает платную дорогу или платную медицину, он это делает осознано, хуже когда выбора нет и плохо всем.
Не совсем понял. В начале где добавляли Еву к Адаму. Сперва удалили 1. Потом сказали что нужно к результату прибавить 1 и получили 2 человека. Вопрос если 1 удалили, где тогда содержалась удаленная единица чтобы к ней прибавить 1? Получилось, что мы к none прибавили 1 и получили 2 ?
А что если он не ошибается?
А я все чаще замечаю... Современные технологии машинного обучения включают в себя готовые блоки и платформы, что упрощает работу в этой сфере и делает её более доступной. Теперь не требуется глубоких знаний в алгебре или высшей математике для начала работы с машинным обучением. Это значительно ускоряет процесс вхождения в область машинного обучения. Кроме того, существуют специализированные платформы, такие как системы машинного зрения от Андрея Нг, лингвистические модели, и продукты, основанные на векторных базах данных. В этих случаях большее значение приобретают знания в программировании и понимание общих принципов работы этих систем.
Возможно потому что есть power bi?