DALL-E https://labs.openai.com/ нагенерировал мне кучу милоты. закончились там кредиты. блин ( буду ждать еще месяц что бы попробовать еще 15штук, затягивает и подсаживает, однако
никогда не думал как монетизировать модели ИИ генерирующие картинки =) вот тебе на
никогда не думал как монетизировать модели ИИ генерирующие картинки =) вот тебе на
🔥3
== Junior Data Scientist | Собеседование | karpov.courses
https://www.youtube.com/watch?v=Us_TKT8ZL2E&ab_channel=karpov.courses
https://www.youtube.com/watch?v=Us_TKT8ZL2E&ab_channel=karpov.courses
Forwarded from Python Learning
Рисуем карту столицы Австралии
Установить пакет -
Folium - это Python-библиотека для визуализации географических данных и информации, которая содержит координаты и местоположения.Установить пакет -
pip install folium
В нашем примере мы рисуем карту Канберры - столицы Австралии(Сама карта находится в посте выше).Forwarded from Python Learning
Получаем координаты города с помощью Python
С предоставленным местоположением можно с помощью
Установка пакета -
В нашем примере мы узнаем координаты столицы Австралии - Канберры.
С предоставленным местоположением можно с помощью
geopy извлечь координаты, означающие его широту и долготу.Установка пакета -
pip install geopy
Функция geocode() принимает имя местоположения и возвращает фрейм геоданных со всеми подробностями, и поскольку это фрейм данных, мы можем получить адрес, широту и долготу, просто вызвав его с заданным синтаксисом.В нашем примере мы узнаем координаты столицы Австралии - Канберры.
Forwarded from Мониторим ИТ
List of System Monitoring Tools in Real-Time
В этой подборке: ATOP, TOP, HTOP, GLANCES, VIRT-TOP, TIPTOP, IOTOP, BASHTOP, BEPYTOP, POWERTOP, NUMATOP, DNSTOP, IFTOP, NETHOGS, LATENCY TOP, IPTRAF-NG, IPTABLES STATE (iptstate), NETSNIFF-NG, APACHE TOP, GOACCESS, INNOTOP, MYTOP, PGTOP и PGCENTER.
Читать дальше.
В этой подборке: ATOP, TOP, HTOP, GLANCES, VIRT-TOP, TIPTOP, IOTOP, BASHTOP, BEPYTOP, POWERTOP, NUMATOP, DNSTOP, IFTOP, NETHOGS, LATENCY TOP, IPTRAF-NG, IPTABLES STATE (iptstate), NETSNIFF-NG, APACHE TOP, GOACCESS, INNOTOP, MYTOP, PGTOP и PGCENTER.
Читать дальше.
Forwarded from Code Guru
📝 Шпаргалка по математической статистике (пригодится в машинном обучении)
✅ Основные определения и формулы
✅ Статистические тесты с примерами
✅ Теория вероятностей
✅ Таблицы критических значений
#шпаргалка
✅ Основные определения и формулы
✅ Статистические тесты с примерами
✅ Теория вероятностей
✅ Таблицы критических значений
#шпаргалка
🔥1
Ваня Акулов проходил собес публично. спасибо собеседующему, чувствуется долгий преподавательский опыт
== Публичное собеседование: "Чистый код, чистая нода, чистые функции"
https://youtu.be/sNFPdfgax3Q
== Публичное собеседование: "Чистый код, чистая нода, чистые функции"
https://youtu.be/sNFPdfgax3Q
Telegram
Иван Акулов про разработку
JS · React · веб-перформанс · разработка и архитектура
Экс: https://x.com/iamakulov
По всем вопросам (рекламу не продаю): @iamakulov
Чатик канала: @iamakulov_channel_chat
Экс: https://x.com/iamakulov
По всем вопросам (рекламу не продаю): @iamakulov
Чатик канала: @iamakulov_channel_chat
Forwarded from Machine learning Interview
В каких задачах и при использовании каких алгоритмов возникает «проблема мультиколлинеарности»?
Ответ
Мультиколлинеарность - два признака называются мультиколлинеарными, если два признака сильно коррелированы/зависимы. Изменения в одном признаке влекут за собой изменения в другом признаке.
Мультиколлинеарность влияет на алгоритмы линейной регрессии, логистической регрессии, KNN и Наивного Байеса.
======================
Линейная регрессия - из-за мультиколлинеарности линейная регрессия дает неверные результаты, и производительность модели снижается.
Это может уменьшить общий коэффициент, а также значение p (известное как значение значимости) и вызвать непредсказуемую дисперсию. Это приведет к переобучению, когда модель может отлично работать на известном тренировочном наборе, но потерпит неудачу на неизвестном наборе тестов. Поскольку это приводит к более высокой стандартной ошибке с более низким значением статистической значимости, мультиколлинеарность затрудняет определение того, насколько важен признак для целевой переменной. А при более низком значении значимости невозможно отклонить нулевое значение и приведет к ошибке второго рода для проверки нашей гипотезы.
=======================
Логистическая регрессия. Логистическая регрессия — это обобщенная линейная модель регрессии, на которую также влияет мультиколлинеарность.
=======================
KNN - из-за мультиколлинеарности точки становятся очень близкими, дают неверные результаты, и это влияет на производительность.
=======================
Наивный байесовский подход — основное предположение NB состоит в том, что признаки независимы. если функции коррелированы, предположение будет ошибочным.
=======================
На мой взляд, попытка решать любую задачу в предметной области указанными методами создает потенциальную угрозу мультиколлинеарности.
@machinelearning_interview
Ответ
Мультиколлинеарность - два признака называются мультиколлинеарными, если два признака сильно коррелированы/зависимы. Изменения в одном признаке влекут за собой изменения в другом признаке.
Мультиколлинеарность влияет на алгоритмы линейной регрессии, логистической регрессии, KNN и Наивного Байеса.
======================
Линейная регрессия - из-за мультиколлинеарности линейная регрессия дает неверные результаты, и производительность модели снижается.
Это может уменьшить общий коэффициент, а также значение p (известное как значение значимости) и вызвать непредсказуемую дисперсию. Это приведет к переобучению, когда модель может отлично работать на известном тренировочном наборе, но потерпит неудачу на неизвестном наборе тестов. Поскольку это приводит к более высокой стандартной ошибке с более низким значением статистической значимости, мультиколлинеарность затрудняет определение того, насколько важен признак для целевой переменной. А при более низком значении значимости невозможно отклонить нулевое значение и приведет к ошибке второго рода для проверки нашей гипотезы.
=======================
Логистическая регрессия. Логистическая регрессия — это обобщенная линейная модель регрессии, на которую также влияет мультиколлинеарность.
=======================
KNN - из-за мультиколлинеарности точки становятся очень близкими, дают неверные результаты, и это влияет на производительность.
=======================
Наивный байесовский подход — основное предположение NB состоит в том, что признаки независимы. если функции коррелированы, предположение будет ошибочным.
=======================
На мой взляд, попытка решать любую задачу в предметной области указанными методами создает потенциальную угрозу мультиколлинеарности.
@machinelearning_interview
Forwarded from GitHub Community
Ungoogled-Chromium – специальный форк бесплатного браузера Chromium, ориентированный на защиту конфиденциальности
С чисто визуальной точки зрения нет большой разницы между «Ungoogled Chromium» и Chromium или Chrome. Изменения можно найти под капотом: все функции, которые связываются с серверами Google, были деактивированы. Это такие функции, как Google Host Detector или Google URL Tracker
⤷ Ссылка на проект
GitHub | #Chromium #Security #Privacy #Browser #Useful
С чисто визуальной точки зрения нет большой разницы между «Ungoogled Chromium» и Chromium или Chrome. Изменения можно найти под капотом: все функции, которые связываются с серверами Google, были деактивированы. Это такие функции, как Google Host Detector или Google URL Tracker
⤷ Ссылка на проект
GitHub | #Chromium #Security #Privacy #Browser #Useful
punq надо юзать
== Александр Шибаев. Внедрение зависимостей, контейнеры и прочие проявления SOLID в питоне
https://youtu.be/ir4GtcUcCf8
== PUNQ
https://github.com/bobthemighty/punq
An unintrusive library for dependency injection in modern Python.
- No global state
- No decorators
- No weird syntax applied to arguments
- Small and simple code base with 100% test coverage and developer-friendly comments
== Александр Шибаев. Внедрение зависимостей, контейнеры и прочие проявления SOLID в питоне
https://youtu.be/ir4GtcUcCf8
== PUNQ
https://github.com/bobthemighty/punq
An unintrusive library for dependency injection in modern Python.
- No global state
- No decorators
- No weird syntax applied to arguments
- Small and simple code base with 100% test coverage and developer-friendly comments
YouTube
Александр Шибаев. Внедрение зависимостей, контейнеры и прочие проявления SOLID в питоне
Код не существует без зависимостей. Разные его компоненты явно или неявно взаимодействуют между собой. У неявных зависимостей есть ряд проблем, о которых я расскажу на примере популярных библиотек питона. (flask, django, …)
Такой код сложно тестировать, конфигурировать…
Такой код сложно тестировать, конфигурировать…
👍1
== Григорий Петров - Почему Python медленный?
https://youtu.be/39XNklRQJI4
тем кто никогда не думал об этом, напомню, что ЯДРА в одном проце РАБОТАЮТ ПОСЛЕДОВАТЕЛЬНО!!!!
Скорость = память 😱😱😱
C/C++/Rust❤️/Go заботятся о памяти
вбрать два из трех:
- скорость рантайма
- расширяемость
- прятный беззаботный синтаксис
https://youtu.be/39XNklRQJI4
тем кто никогда не думал об этом, напомню, что ЯДРА в одном проце РАБОТАЮТ ПОСЛЕДОВАТЕЛЬНО!!!!
Скорость = память 😱😱😱
C/C++/Rust❤️/Go заботятся о памяти
вбрать два из трех:
- скорость рантайма
- расширяемость
- прятный беззаботный синтаксис