Forwarded from Small Data Science for Russian Adventurers
#полезно
Один интересный кейс, который мне очень нравится: как догадаться до нужной деформации целевых значений.
Один интересный кейс, который мне очень нравится: как догадаться до нужной деформации целевых значений.
#gpt #copilot
"Microsoft несёт убытки, предлагая подписку на свой ИИ-сервис GitHub Copilot всего за $10 в месяц, при фактических затратах, превышающих $20 на одного пользователя. Этот случай является лишь вершиной айсберга в сложной экономике ИИ, где расходы на оборудование, энергию и разработку ПО оказываются неоправданно высокими. Компания уже ищет пути оптимизации, включая пересмотр ценовой политики и внедрение более экономичных решений."
Вгоняем, вгоняем мелкомягких в долги!
https://3dnews.ru/1094291/zatrati-na-ii-previsily-dohodi-microsoft-terpit-ubitki-teryaya-bolee-20-na-kagdoy-podpiske-na-github-copilot
"Microsoft несёт убытки, предлагая подписку на свой ИИ-сервис GitHub Copilot всего за $10 в месяц, при фактических затратах, превышающих $20 на одного пользователя. Этот случай является лишь вершиной айсберга в сложной экономике ИИ, где расходы на оборудование, энергию и разработку ПО оказываются неоправданно высокими. Компания уже ищет пути оптимизации, включая пересмотр ценовой политики и внедрение более экономичных решений."
Вгоняем, вгоняем мелкомягких в долги!
https://3dnews.ru/1094291/zatrati-na-ii-previsily-dohodi-microsoft-terpit-ubitki-teryaya-bolee-20-na-kagdoy-podpiske-na-github-copilot
3DNews - Daily Digital Digest
Microsoft теряет более $20 на каждой платной подписке на ИИ-помощника программиста GitHub Copilot
Microsoft несёт убытки, предлагая подписку на свой ИИ-сервис GitHub Copilot всего за $10 в месяц, при фактических затратах, превышающих $20 на одного пользователя.
#evolution #fun
"Быстрее всего эволюционируют всякие электрики, сантехники, отделочники и прочие мастера. Каждый приходящий на порядок умнее предыдущего и спрашивает:
-Что за дебил вам это делал?!"
"Быстрее всего эволюционируют всякие электрики, сантехники, отделочники и прочие мастера. Каждый приходящий на порядок умнее предыдущего и спрашивает:
-Что за дебил вам это делал?!"
😁1
Forwarded from Small Data Science for Russian Adventurers
#книга
Посмотрел книгу Введение в автоматизированное машинное обучение (AutoML). Главный недостаток - это не совсем книга, это скорее сборник статей, часть построена по принципу обзора по теме со ссылками на первоисточники. Зато попадаются интересные ссылки. Есть главы по Auto-WEKA, Hyperpopt, Auto-sklearn, TPOT (для первичного знакомства, наверное, подойдёт). Последняя глава - обзор результатов давнишних соревнований Изабель Гийон по AutoML.
К слову, создатели LightAutoML сделали курс из коротких видео по своему продукту: https://developers.sber.ru/help/lightautoml
Посмотрел книгу Введение в автоматизированное машинное обучение (AutoML). Главный недостаток - это не совсем книга, это скорее сборник статей, часть построена по принципу обзора по теме со ссылками на первоисточники. Зато попадаются интересные ссылки. Есть главы по Auto-WEKA, Hyperpopt, Auto-sklearn, TPOT (для первичного знакомства, наверное, подойдёт). Последняя глава - обзор результатов давнишних соревнований Изабель Гийон по AutoML.
К слову, создатели LightAutoML сделали курс из коротких видео по своему продукту: https://developers.sber.ru/help/lightautoml
✍1
Forwarded from Artem Ryblov’s Data Science Weekly (Artem Ryblov)
Feature Engineering and Selection: A Practical Approach for Predictive Models by Max Kuhn and Kjell Johnson
The process of developing predictive models includes many stages. Most resources focus on the modelling algorithms, but neglect other critical aspects of the modelling process. This book describes techniques for finding the best representations of predictors for modelling and for finding the best subset of predictors for improving model performance. A variety of example data sets are used to illustrate the techniques, along with R programs for reproducing the results.
Table of Contents:
1. Introduction
2. Illustrative Example: Predicting Risk of Ischemic Stroke
3. A Review of the Predictive Modeling Process
4. Exploratory Visualizations
5. Encoding Categorical Predictors
6. Engineering Numeric Predictors
7. Detecting Interaction Effects
8. Handling Missing Data
9. Working with Profile Data
10. Feature Selection Overview
11. Greedy Search Methods
12. Global Search Methods
Links:
- http://www.feat.engineering/
- https://www.routledge.com/Feature-Engineering-and-Selection-A-Practical-Approach-for-Predictive-Models/Kuhn-Johnson/p/book/9781138079229
- https://www.routledge.com/Feature-Engineering-and-Selection-A-Practical-Approach-for-Predictive-Models/Kuhn-Johnson/p/book/9781138079229
Navigational hashtags: #armknowledgesharing #armbooks
General hashtags: #machinelearning #ml #featureengineering #featureselection #missingdata #categoricalvariables
@accelerated_learning
The process of developing predictive models includes many stages. Most resources focus on the modelling algorithms, but neglect other critical aspects of the modelling process. This book describes techniques for finding the best representations of predictors for modelling and for finding the best subset of predictors for improving model performance. A variety of example data sets are used to illustrate the techniques, along with R programs for reproducing the results.
Table of Contents:
1. Introduction
2. Illustrative Example: Predicting Risk of Ischemic Stroke
3. A Review of the Predictive Modeling Process
4. Exploratory Visualizations
5. Encoding Categorical Predictors
6. Engineering Numeric Predictors
7. Detecting Interaction Effects
8. Handling Missing Data
9. Working with Profile Data
10. Feature Selection Overview
11. Greedy Search Methods
12. Global Search Methods
Links:
- http://www.feat.engineering/
- https://www.routledge.com/Feature-Engineering-and-Selection-A-Practical-Approach-for-Predictive-Models/Kuhn-Johnson/p/book/9781138079229
- https://www.routledge.com/Feature-Engineering-and-Selection-A-Practical-Approach-for-Predictive-Models/Kuhn-Johnson/p/book/9781138079229
Navigational hashtags: #armknowledgesharing #armbooks
General hashtags: #machinelearning #ml #featureengineering #featureselection #missingdata #categoricalvariables
@accelerated_learning
👍1
#math #geometry
Кто ещё помнит теоремы о треугольниках, ставьте на паузу и пробуйте решить )
https://www.youtube.com/watch?v=ofZEN6GOAk0
Кто ещё помнит теоремы о треугольниках, ставьте на паузу и пробуйте решить )
https://www.youtube.com/watch?v=ofZEN6GOAk0
YouTube
Советская олимпиада, которую сегодня решить только 2% школьников
Мой канал в VK — https://vk.com/yellow.school
Найди углы прямоугольного треугольника, если его гипотенуза равна 4, а площадь — 2.
Найди углы прямоугольного треугольника, если его гипотенуза равна 4, а площадь — 2.
#ml #definitions
На удивление часто встречается определение ML как "обучение компьютеров без явного программирования". А ведь нет ничего более далёкого от истины, так как 90% работы дата сайентиста в ML формально выражается как раз в явном программировании )
На удивление часто встречается определение ML как "обучение компьютеров без явного программирования". А ведь нет ничего более далёкого от истины, так как 90% работы дата сайентиста в ML формально выражается как раз в явном программировании )
👍3
👍2
Forwarded from MOEX - Московская биржа
«Опционы: основы торговли»
На бесплатном вебинаре вы узнаете, как выбирать подходящие для вашей стратегии деривативы, как продавать и покупать опционы, а также настроите специальную программу для торговли QUIK.
«Скальпинг: авторская стратегия — 2023 на практике»
На курсе вы разберете стратегию скальпинга, поймете, как торговать спокойно и эмоционально адаптироваться под ситуацию, а также увидите примеры реальных сделок, заключенных по авторской методике.
«Опционные стратегии для начинающих трейдеров»
Спикер расскажет, как торговать опционами без погружения в сложную математику, как использовать опционы для хеджирования рисков и как создавать и реализовывать разные стратегии в трейдинге.
Будем ждать вас на занятиях! А если не сможете прийти на онлайн-уроки, вышлем запись и все необходимые материалы — нужно будет только зарегистрироваться по ссылкам на интересующие вебинары.
Please open Telegram to view this post
VIEW IN TELEGRAM
#ml #medicine #asthma #breastcancer
Интересная structure-leveraged функция потерь.
https://www.youtube.com/watch?v=_5H8fwAZQjc
Интересная structure-leveraged функция потерь.
https://www.youtube.com/watch?v=_5H8fwAZQjc
YouTube
Clinical machine learning for risk prediction - Mark Craven
On May 6-7, 2019, the National Human Genome Research Institute (NHGRI) sponsored its 12th Genomic Medicine meeting: Genomic Medicine XII: Genomics and Risk Prediction. More: https://www.genome.gov/event-calendar/genomic-medicine-xii-genomics-and-risk-prediction