#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
#featureselection #knockoffs #hmm #fdr
“The Knockoffs Framework: New Statistical Tools for Replicable Selections”
Emmanuel Candès, Stanford University
Abstract: A common problem in modern statistical applications is to select, from a large set of candidates, a subset of variables which are important for determining an outcome of interest. For instance, the outcome may be disease status and the variables may be hundreds of thousands of single nucleotide polymorphisms on the genome. In this talk, we develop an entirely new read of the knockoffs framework of Barber and Candès (2015), which proposes a general solution to perform variable selection under rigorous type-I error control, without relying on strong modeling assumptions. We show how to apply this solution to a rich family of problems where the distribution of the covariates can be described by a hidden Markov model (HMM). In particular, we develop an exact and efficient algorithm to sample knockoff copies of an HMM, and then argue that combined with the knockoffs selective framework, they provide a natural and powerful tool for performing principled inference in genome-wide association studies with guaranteed FDR control. Finally, our methodology is applied to several datasets aimed at studying the Crohn’s disease and several continuous phenotypes, e.g. levels of cholesterol.
This is joint work with Rina Barber, Yingying Fan, Lucas Janson, Jinchi Lv, Chiara Sabatti and Matteo Sesia.
Institute for Pure and Applied Mathematics, UCLA
September 27, 2018
https://www.youtube.com/watch?v=NuVBHXYBC4k
“The Knockoffs Framework: New Statistical Tools for Replicable Selections”
Emmanuel Candès, Stanford University
Abstract: A common problem in modern statistical applications is to select, from a large set of candidates, a subset of variables which are important for determining an outcome of interest. For instance, the outcome may be disease status and the variables may be hundreds of thousands of single nucleotide polymorphisms on the genome. In this talk, we develop an entirely new read of the knockoffs framework of Barber and Candès (2015), which proposes a general solution to perform variable selection under rigorous type-I error control, without relying on strong modeling assumptions. We show how to apply this solution to a rich family of problems where the distribution of the covariates can be described by a hidden Markov model (HMM). In particular, we develop an exact and efficient algorithm to sample knockoff copies of an HMM, and then argue that combined with the knockoffs selective framework, they provide a natural and powerful tool for performing principled inference in genome-wide association studies with guaranteed FDR control. Finally, our methodology is applied to several datasets aimed at studying the Crohn’s disease and several continuous phenotypes, e.g. levels of cholesterol.
This is joint work with Rina Barber, Yingying Fan, Lucas Janson, Jinchi Lv, Chiara Sabatti and Matteo Sesia.
Institute for Pure and Applied Mathematics, UCLA
September 27, 2018
https://www.youtube.com/watch?v=NuVBHXYBC4k
YouTube
Emmanuel Candès: “The Knockoffs Framework: New Statistical Tools for Replicable Selections”
Green Family Lecture Series 2018“The Knockoffs Framework: New Statistical Tools for Replicable Selections”Emmanuel Candès, Stanford UniversityAbstract: A com...
#leaks #security #mts
https://3dnews.ru/1094688/roskomnadzor-podtverdil-fakt-utechki-dannih-klientov-mtsbanka-summa-shtrafa-moget-sostavit-60100-tis-rubley
https://3dnews.ru/1094688/roskomnadzor-podtverdil-fakt-utechki-dannih-klientov-mtsbanka-summa-shtrafa-moget-sostavit-60100-tis-rubley
3DNews - Daily Digital Digest
Утечка данных миллиона клиентов МТС-банка подтвердилась — банку грозит штраф до 100 тыс. руб.
Роскомнадзор (РКН) провёл проверку в связи с появлением в интернете базы данных более 1 млн клиентов МТС-банка, оказавшихся в открытом доступе из-за утечки, рассказал «Ведомостям» представитель регулятора.
#war #politics #relocation #savva
Поразительно, какая каша у этого человека (математика, доктора наук) в голове. Корпорации хотят чтоб люди не размножались, религиозное знание достоверно. Миллионы самых активных и умных людей, покинувшие Россию после начала войны - глупцы, не способные предвидеть последствия своих поступков.
https://www.youtube.com/watch?v=UabGSrpEV5c
Поразительно, какая каша у этого человека (математика, доктора наук) в голове. Корпорации хотят чтоб люди не размножались, религиозное знание достоверно. Миллионы самых активных и умных людей, покинувшие Россию после начала войны - глупцы, не способные предвидеть последствия своих поступков.
https://www.youtube.com/watch?v=UabGSrpEV5c
YouTube
ЧТО ГОВОРИТ МАТЕМАТИКА О МОБИЛИЗАЦИИ И КОРРУПЦИИ? Алексей Савватеев / "Голосовое Сообщение" К.Мацану
Проект реализован в рамках проекта "Гости из Настоящего"
"Голосовое Сообщение" в телеграм
https://news.1rj.ru/str/golosovoe_soobshenie2023
"Голосовое сообщение" в контакте
https://vk.com/public218660158
Таймкоды:
00:00 - Голосовое сообщение от Алексея Савватеева…
"Голосовое Сообщение" в телеграм
https://news.1rj.ru/str/golosovoe_soobshenie2023
"Голосовое сообщение" в контакте
https://vk.com/public218660158
Таймкоды:
00:00 - Голосовое сообщение от Алексея Савватеева…
#hardware #cpu #amd
"Флагманской моделью серии является 96-ядерный Ryzen Threadripper PRO 7995WX с поддержкой 192 виртуальных потоков, работающий в диапазоне частот от 2,5 до 5,1 ГГц. Процессоры Ryzen Threadripper PRO 7000 предназначены для использования с новой платформой WRX90. Для неё заявляется поддержка восьмиканальной оперативной памяти DDR5-5200 общим объёмом до 2 Тбайт, поддержка 148 (доступны 144) линий PCIe, до 128 из которых относятся к стандарту PCIe 5.0, поддержка разгона процессоров, оперативной памяти, а также наличие дополнительных функций для удалённого управления и повышения безопасности."
https://3dnews.ru/1094721/amd-predstavila-desktopnie-hedtprotsessori-ryzen-threadripper-7000-i-modeli-ryzen-threadripper-7000-pro-dlya-rabochih-stantsiy
"Флагманской моделью серии является 96-ядерный Ryzen Threadripper PRO 7995WX с поддержкой 192 виртуальных потоков, работающий в диапазоне частот от 2,5 до 5,1 ГГц. Процессоры Ryzen Threadripper PRO 7000 предназначены для использования с новой платформой WRX90. Для неё заявляется поддержка восьмиканальной оперативной памяти DDR5-5200 общим объёмом до 2 Тбайт, поддержка 148 (доступны 144) линий PCIe, до 128 из которых относятся к стандарту PCIe 5.0, поддержка разгона процессоров, оперативной памяти, а также наличие дополнительных функций для удалённого управления и повышения безопасности."
https://3dnews.ru/1094721/amd-predstavila-desktopnie-hedtprotsessori-ryzen-threadripper-7000-i-modeli-ryzen-threadripper-7000-pro-dlya-rabochih-stantsiy
3DNews - Daily Digital Digest
AMD представила Threadripper 7000 для энтузиастов и 7000 PRO для профессионалов — у флагмана 96 ядер
Компания AMD представила новые высокопроизводительные десктопные HEDT-процессоры Ryzen Threadripper 7000, а также модели Ryzen Threadripper PRO 7000, предназначенные для профессиональных рабочих станций.