Видишь нормальное распределение?
Anonymous Poll
53%
Да вижу, я уже курс по статистике сделал
34%
Да (вроде вижу)
13%
Нет, не вижу - где искать курс?
🔥5👌1
В наше время много говорят о галлюцинациях LLM, но что насчет галлюцинаций компьютерного зрения? 😂
#computervision
#computervision
😁10🔥2👍1
Слышал(а) про галлюцинациях LLM?
Anonymous Poll
21%
Да, изучаю тему
21%
Да, но не понятно что это
42%
Нет, а что естьт такое?
16%
Тут уже меня глючит по полной 😀
🔥3
Хочешь услышать, что общего между этой задачей (опросом)👆, машинным обучением, почему в этом опросе есть классическая ошибка, в чем именно оно заключается да и вообще что именно измеряет этот опрос и как это может быть полезно для Тебя? И есть ли хорошие люди (роботы) или… (да все-таки или, только или что?)
Тема очень интересная, напишу. Думаю написать больше, а может даже и вебинар сделаю. Но для начала приготовлю длинный пост (уже почти готов, вчера не мог уснуть - думал и сегодня вот написал). Поделюсь опытом, если это интересно. Сколько собираем огоньков. Штук 50 соберем? 🔥
P. S. в последнее время больше активничал https://www.instagram.com/dataworkshop.ml/ (уже со мной?), записывал много разных историй в формате сторис. В телеграмме сторис вроде есть, но здесь текст вроде более “съедобный”. Надо будет перенести на текст, иногда как найдет волна поделиться идеями, а пальцы не успевают так быстро писать 😎️️️.
Тема очень интересная, напишу. Думаю написать больше, а может даже и вебинар сделаю. Но для начала приготовлю длинный пост (уже почти готов, вчера не мог уснуть - думал и сегодня вот написал). Поделюсь опытом, если это интересно. Сколько собираем огоньков. Штук 50 соберем? 🔥
P. S. в последнее время больше активничал https://www.instagram.com/dataworkshop.ml/ (уже со мной?), записывал много разных историй в формате сторис. В телеграмме сторис вроде есть, но здесь текст вроде более “съедобный”. Надо будет перенести на текст, иногда как найдет волна поделиться идеями, а пальцы не успевают так быстро писать 😎️️️.
🔥15
Насчет эксперимента с таблетками (писал выше - про красную и синюю). Тема очень интересная и более глубокая, чем кажется.
Конкретно в этом эксперименте было сделано, как минимум, одно важное упущение - это контекст.
Хотя там и прозвучало слово статистика (что сразу делает все более серьезнее), но назвать это экспериментом в научном смысле нельзя (и тем более делать какие-либо выводы). Это можно легко проверить, запустив тот же самый эксперимент, результат будет другой - т.е. повторяемости нет.
Это классическая ошибка у тех, кто НЕ занимается анализом данным более глубоко, поэтому такое часто происходит. Мое внимание привлекла другая история, где случайно или нет, была затронута очень интересная и глубокая тема. Поделюсь мыслями, может кому-то будет интересно :)
Что не так с этим экспериментом? Потому что важен контекст и, в зависимости от него, могут быть две крайности. Сейчас объясню о двух крайних сценариях (которые в нашей природе не существуют - мы всегда находимся где-то между).
1️⃣ Сценарий первый - мир рай. В этом сценарии есть изобилие всего, отсутствует 100% конкуренция или борьба за что-либо (ресурсы - деньги, внимание и т.д.).
2️⃣ Сценарий второй - мир ад, полная противоположность первого сценария, очень жесткая конкуренция, все друг друга обманывают, большой дефицит ресурсов и т.д.
В зависимости от контекста (сценария), люди будут вести себя по-разному. У каждого человека есть своя точка “кипения”. К нашему счастью, большинство из нас никогда в ней не окажутся, и именно поэтому гораздо проще про себя думать хорошо (и это правильно, иначе психика человека слетит с катушек).
Если мы проведем эксперимент в рамках первого сценария, то большинство (ок. 100%) будут друг друга поддерживать, т.к. там нет риска и переживаний.
Во втором же сценарии, тот же самый эксперимент будет с обратным результатом. Каждый будет грести в свою сторону т.к. включается режим - “C волками жить по волчьи выть”. Кстати, есть так называемая дилемма заключенного. Вот она как раз-таки больше про сценарий 2.
Еще интересный вопрос - что было измерено в этом эксперименте? По сути в этом эксперименте был измерен “контекст”, в котором находятся люди. Раз большинство выбрало второй сценарий - это прежде всего говорит о тревожности и неопределенности, иными словами люди находятся ближе ко 2 сценарию, чем к первому.
Вообще, по-хорошему это даже не про людей, это про закон Природы (Архитекта, Бога - выбери, что больше нравится).
(Часть 1)
Конкретно в этом эксперименте было сделано, как минимум, одно важное упущение - это контекст.
Хотя там и прозвучало слово статистика (что сразу делает все более серьезнее), но назвать это экспериментом в научном смысле нельзя (и тем более делать какие-либо выводы). Это можно легко проверить, запустив тот же самый эксперимент, результат будет другой - т.е. повторяемости нет.
Это классическая ошибка у тех, кто НЕ занимается анализом данным более глубоко, поэтому такое часто происходит. Мое внимание привлекла другая история, где случайно или нет, была затронута очень интересная и глубокая тема. Поделюсь мыслями, может кому-то будет интересно :)
Что не так с этим экспериментом? Потому что важен контекст и, в зависимости от него, могут быть две крайности. Сейчас объясню о двух крайних сценариях (которые в нашей природе не существуют - мы всегда находимся где-то между).
В зависимости от контекста (сценария), люди будут вести себя по-разному. У каждого человека есть своя точка “кипения”. К нашему счастью, большинство из нас никогда в ней не окажутся, и именно поэтому гораздо проще про себя думать хорошо (и это правильно, иначе психика человека слетит с катушек).
Если мы проведем эксперимент в рамках первого сценария, то большинство (ок. 100%) будут друг друга поддерживать, т.к. там нет риска и переживаний.
Во втором же сценарии, тот же самый эксперимент будет с обратным результатом. Каждый будет грести в свою сторону т.к. включается режим - “C волками жить по волчьи выть”. Кстати, есть так называемая дилемма заключенного. Вот она как раз-таки больше про сценарий 2.
Еще интересный вопрос - что было измерено в этом эксперименте? По сути в этом эксперименте был измерен “контекст”, в котором находятся люди. Раз большинство выбрало второй сценарий - это прежде всего говорит о тревожности и неопределенности, иными словами люди находятся ближе ко 2 сценарию, чем к первому.
Вообще, по-хорошему это даже не про людей, это про закон Природы (Архитекта, Бога - выбери, что больше нравится).
(Часть 1)
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤1🔥1
Вот, например, еще в 2017 год в DeepMind (это компания, которая наделала шороху чуть ранее, выиграв в Alpha Go. Они сделали симуляцию - это была такая игра, в которой агенты должны были собирать яблоки.
Суть в том, что они не знали, что имеют дело с яблоками, поэтому на самом деле агенты были заинтересованы в сборе зеленых квадратиков, символизирующих яблоки. Квадратики, когда их “съедали” - появлялись новые. Виртуальные яблоки “рождались” снова через некоторое время.
В этой игре было несколько агентов (роботов, если хочешь), которые одновременно находились в определенной среде и учились, как вести себя в конкретной среде, чтобы максимизировать свою функцию для поедания максимального количества яблок.
Такие простые были правила. Проблемой было то, что эпизоды, в которых играли эти агенты, были ограничены. Допустим, каждый эпизод длился 2 или 3 минуты, и теперь: как агент должен вести себя, чтобы за эти три минуты съесть максимальное количество яблок.
Что было интересно, агенты также могли временно выбывать из игры. Они могли использовать так называемый лазер, с помощью которого, если агент был поражен, скажем, он уходил в угол на несколько секунд, то есть терял время, в течение которого мог бы собирать яблоки. В этом заключались правила этой игры.
Какой был результат. Как только появлялся дефицит ресурсов - агенты начинали идти по сценарию два - друг друга убивать. Когда же было изобилие (сценарий 1), тогда не было необходимости драться и жили они дружно.
Кстати, вот тут можно почитать публикацию DeepMind: Multi-agent Reinforcement Learning in Sequential Social Dilemmas
(Часть2)
Суть в том, что они не знали, что имеют дело с яблоками, поэтому на самом деле агенты были заинтересованы в сборе зеленых квадратиков, символизирующих яблоки. Квадратики, когда их “съедали” - появлялись новые. Виртуальные яблоки “рождались” снова через некоторое время.
В этой игре было несколько агентов (роботов, если хочешь), которые одновременно находились в определенной среде и учились, как вести себя в конкретной среде, чтобы максимизировать свою функцию для поедания максимального количества яблок.
Такие простые были правила. Проблемой было то, что эпизоды, в которых играли эти агенты, были ограничены. Допустим, каждый эпизод длился 2 или 3 минуты, и теперь: как агент должен вести себя, чтобы за эти три минуты съесть максимальное количество яблок.
Что было интересно, агенты также могли временно выбывать из игры. Они могли использовать так называемый лазер, с помощью которого, если агент был поражен, скажем, он уходил в угол на несколько секунд, то есть терял время, в течение которого мог бы собирать яблоки. В этом заключались правила этой игры.
Какой был результат. Как только появлялся дефицит ресурсов - агенты начинали идти по сценарию два - друг друга убивать. Когда же было изобилие (сценарий 1), тогда не было необходимости драться и жили они дружно.
Кстати, вот тут можно почитать публикацию DeepMind: Multi-agent Reinforcement Learning in Sequential Social Dilemmas
(Часть2)
👍3❤1🔥1
Еще один пример из жизни (наблюдал пару лет назад).
Cитуация произошла в Кракове. Помню, как стоял на остановке, и оказалось, что что-то сломалось. Полчаса трамваи не ходили, поэтому людей становилось все больше, и ситуация разворачивалась утром, перед работой, учебой.
Через некоторое время трамвай наконец приехал, но он был переполнен людьми. К тому же столько же людей ждало на остановке. Эти люди пытаются зайти туда, и начинаются неприятные сцены. Крики, потасовки и так далее.
Интересно то, что достаточно было пройти немного дальше (на другую ветку рядом), там, где не было этой пробки, не было затора, и там трамваи двигались нормально. Там не было такой большой толпы, и люди были спокойны. Все было прекрасно и дружелюбно.
Для меня это было таким удивлением. Еще 5 минут назад почти каждый вел себя как очень спокойный и вежливый человек, и достаточно было немного усложнить условия вокруг, чтобы люди начали вести себя агрессивно.
💡 Главный вывод.
Человек сильно зависим от контекста, когда вокруг все хорошо - легко быть благородным. Еще есть другая сторона медали - некоторые люди наоборот активируются тогда, когда есть реальная угроза и проявляют себя с очень даже человеческой стороны.
(Часть 3)
Cитуация произошла в Кракове. Помню, как стоял на остановке, и оказалось, что что-то сломалось. Полчаса трамваи не ходили, поэтому людей становилось все больше, и ситуация разворачивалась утром, перед работой, учебой.
Через некоторое время трамвай наконец приехал, но он был переполнен людьми. К тому же столько же людей ждало на остановке. Эти люди пытаются зайти туда, и начинаются неприятные сцены. Крики, потасовки и так далее.
Интересно то, что достаточно было пройти немного дальше (на другую ветку рядом), там, где не было этой пробки, не было затора, и там трамваи двигались нормально. Там не было такой большой толпы, и люди были спокойны. Все было прекрасно и дружелюбно.
Для меня это было таким удивлением. Еще 5 минут назад почти каждый вел себя как очень спокойный и вежливый человек, и достаточно было немного усложнить условия вокруг, чтобы люди начали вести себя агрессивно.
Человек сильно зависим от контекста, когда вокруг все хорошо - легко быть благородным. Еще есть другая сторона медали - некоторые люди наоборот активируются тогда, когда есть реальная угроза и проявляют себя с очень даже человеческой стороны.
(Часть 3)
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10❤3🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
🔥6👍3❤2
Присоединяйся к вебинару live coding и обучай модель Machine Learning в режиме реального времени.
Когда: 15 сентября в 19:00 (по Минску, Киеву, Москве).
Тема: "Прогнозирование цен на автомобили с помощью машинного обучения”
Длительность: около 2 часов.
Будем кодить вместе.
Что будет на вебинаре:
📌Пошаговая разборка ML-процесса
📌Практические задания с доступом к реальным данным и среде
📌Интерактивное обучение и обсуждение
Вместе мы сделаем сложное простым и достигнем результатов с минимальными усилиями 💪
Осталось всего несколько бесплатных мест для участия.
👉 Записаться на вебинар
Когда: 15 сентября в 19:00 (по Минску, Киеву, Москве).
Тема: "Прогнозирование цен на автомобили с помощью машинного обучения”
Длительность: около 2 часов.
Будем кодить вместе.
Что будет на вебинаре:
📌Пошаговая разборка ML-процесса
📌Практические задания с доступом к реальным данным и среде
📌Интерактивное обучение и обсуждение
Вместе мы сделаем сложное простым и достигнем результатов с минимальными усилиями 💪
Осталось всего несколько бесплатных мест для участия.
👉 Записаться на вебинар
👍5🔥2❤1
Через 50 минут начинаем наш live coding вебинар "Прогнозирование цен на авто".
Присоединяйся к трансляции по ссылке
👉 https://www.youtube.com/watch?v=MIDB0mrDFQ0
Присоединяйся к трансляции по ссылке
👉 https://www.youtube.com/watch?v=MIDB0mrDFQ0
YouTube
Прогнозирование цен на автомобили с помощью Machine Learning.
Live coding. Прогнозирование цен на автомобили с помощью Machine Learning.
#прогнозирование #автомобили #machinelearning #машинноеобучение #айти
Доброго времени суток друзья. Вы на канале DataWorkShop - машинное обучение. Данная трансляция, посвящена тому…
#прогнозирование #автомобили #machinelearning #машинноеобучение #айти
Доброго времени суток друзья. Вы на канале DataWorkShop - машинное обучение. Данная трансляция, посвящена тому…
🔥5❤1👍1
Сегодня стартует наш курс по Data Science.
Этот курс для Тебя, если:
✅Давно ищешь варианты - как перейти от теории к практике
✅Хочешь научиться создавать качественные прототипы ML моделей
✅Хочешь получить практические знания, которые нужны в работе
Хочу на курс
Этот курс для Тебя, если:
✅Давно ищешь варианты - как перейти от теории к практике
✅Хочешь научиться создавать качественные прототипы ML моделей
✅Хочешь получить практические знания, которые нужны в работе
Хочу на курс
👍4❤2🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
🔥15👍4❤2
🔥 OpenAI представила DALL-E 3, интегрированную с ChatGPT. Не требуются более подсказки; просто опишите, что вам нужно, и ChatGPT сгенерирует подробные инструкции. Он отлично понимает контекст изображений даже в длинных описаниях. Доступ будет предоставлен пользователям ChatGPT Plus и Enterprise в октябре, с возможностью доступа для исследователей в будущем.
#openai #dalle #genai
#openai #dalle #genai
🔥7👍2❤1
Хочешь погрузится в мир DataScience?
Anonymous Poll
36%
Я уже здесь (правда пока junior)
9%
Я уже здесь (middle/senior)
27%
Хочу, но вообще не из ИТ
23%
Хочу и умею программировать
5%
Хочу, но не в этом году, может в следующим?
👍6
English for international teams_Meetings.pdf
146.2 KB
Как перестать бояться созвонов на английском языке?
У нашего партнера (онлайн-школы английского языка для IT специалистов) стартует отличный курс для звонков и встреч на английском. За 5 недель ребята с уровнями A2-B2 смогут научиться коммуницировать на английском вежливо и бегло.
Подробности во вложенном файле. Анкета предзаписи - внутри файла и также дублируем ссылку здесь: https://www.blackcardenglish.com/eitform.
И пусть английский будет в радость - так же, как и ML ❤️
P.S.
1️⃣ это не реклама - рекомендация от души
2️⃣студенты наших платных курсов и участники DW Club - проверяйте почту, для вас еще и скидка предусмотрена 😎.
У нашего партнера (онлайн-школы английского языка для IT специалистов) стартует отличный курс для звонков и встреч на английском. За 5 недель ребята с уровнями A2-B2 смогут научиться коммуницировать на английском вежливо и бегло.
Подробности во вложенном файле. Анкета предзаписи - внутри файла и также дублируем ссылку здесь: https://www.blackcardenglish.com/eitform.
И пусть английский будет в радость - так же, как и ML ❤️
P.S.
1️⃣ это не реклама - рекомендация от души
2️⃣студенты наших платных курсов и участники DW Club - проверяйте почту, для вас еще и скидка предусмотрена 😎.
🔥4❤1👍1
Визуализация данных может показать нам "ничего".
Люди часто не осознают, насколько важна "пустота" на графиках. Визуализация данных - это мощный инструмент для передачи информации, но ее также можно использовать для того, чтобы показать, что не происходит. Например, диаграмма, которая не показывает посадок на Луне в течение 30 лет, может свидетельствовать о застое в исследованиях космоса.
Это напоминает нам, что визуализация данных - это не только показывать то, что происходит. Она также может использоваться для того, чтобы показать то, чего не происходит. Это может быть ценной информацией, так как она может помочь нам выявить тенденции, паттерны и взаимосвязи.
В контексте космической эксплорации этот график напоминает нам, что мы не посещали Луну в течение 30 лет. Это значительный перерыв, и стоит задаться вопросом, почему это произошло.
Это связано с нехваткой финансирования? Недостатком интереса? Или чем-то еще?
Люди часто не осознают, насколько важна "пустота" на графиках. Визуализация данных - это мощный инструмент для передачи информации, но ее также можно использовать для того, чтобы показать, что не происходит. Например, диаграмма, которая не показывает посадок на Луне в течение 30 лет, может свидетельствовать о застое в исследованиях космоса.
Это напоминает нам, что визуализация данных - это не только показывать то, что происходит. Она также может использоваться для того, чтобы показать то, чего не происходит. Это может быть ценной информацией, так как она может помочь нам выявить тенденции, паттерны и взаимосвязи.
В контексте космической эксплорации этот график напоминает нам, что мы не посещали Луну в течение 30 лет. Это значительный перерыв, и стоит задаться вопросом, почему это произошло.
Это связано с нехваткой финансирования? Недостатком интереса? Или чем-то еще?
👍6🔥3❤1