На Kaggle случилось два апдейта.
Во первых, следуя за гитом и прочими платформами выкатили награды и бейджи:
Награды это какие-то ДОСТИЖЕНИЯ.
Например за то, что я был хостом соревнования Инстамарта (Сбермаркета (Купера)) на стажировку, я получил от Kaggle награду. Еще вот Сергею Фиронову дали ачивку за топ 100.
Бейджи дают за более доступные штуки:
Возраст акаунта
Стрики логинов
Форк ноутбуков
etc
Жду сториз и удаление стены!
Полный список бейджей
Во первых, следуя за гитом и прочими платформами выкатили награды и бейджи:
Награды это какие-то ДОСТИЖЕНИЯ.
Например за то, что я был хостом соревнования Инстамарта (Сбермаркета (Купера)) на стажировку, я получил от Kaggle награду. Еще вот Сергею Фиронову дали ачивку за топ 100.
Бейджи дают за более доступные штуки:
Возраст акаунта
Стрики логинов
Форк ноутбуков
etc
Жду сториз и удаление стены!
Полный список бейджей
👍8😁6
Во-вторых, теперь можно наконец-то нормально устанавливать пакеты через специальный интерфейс Package manager.
Представьте, теперь не надо создавать датасеты с source кодом и устанавливать все в ноутбук через магические команды jupyter. Самое полезное- это то, что теперь можно устанавливать пакеты в Code Competitions, когда код должен быть отправлен в ноутбуке, у которого нет доступа к интернету. Теперь код из Package Manager выполнится и установит нужные пакеты заранее и с интернетом. Кстати поддерживается только pip, никакого вам poetry и uv
Я очень давно ждал эту штуку, и теперь буду со всей силы ждать возможность качать данные не из tar.gz архива, а через что-нибудь с поддержкой разбивки частей архива и rsync или даже может быть с торрентов, потому что качать террабайт данных со скорость 5мб/сек одним большим куском- очень больно и слишком 2011. Тем более с текущей надежностью серверов с данными на каггле.
https://www.kaggle.com/discussions/product-feedback/532336tart
Представьте, теперь не надо создавать датасеты с source кодом и устанавливать все в ноутбук через магические команды jupyter. Самое полезное- это то, что теперь можно устанавливать пакеты в Code Competitions, когда код должен быть отправлен в ноутбуке, у которого нет доступа к интернету. Теперь код из Package Manager выполнится и установит нужные пакеты заранее и с интернетом. Кстати поддерживается только pip, никакого вам poetry и uv
Я очень давно ждал эту штуку, и теперь буду со всей силы ждать возможность качать данные не из tar.gz архива, а через что-нибудь с поддержкой разбивки частей архива и rsync или даже может быть с торрентов, потому что качать террабайт данных со скорость 5мб/сек одним большим куском- очень больно и слишком 2011. Тем более с текущей надежностью серверов с данными на каггле.
https://www.kaggle.com/discussions/product-feedback/532336tart
👍14🔥8
Сутра:
1. Kaggle решат
2. Соревы обозреват
3. Gold фармить
4. Социальност
Канал о пути к Kaggle competitionsMaster Grandmaster, баварских сосисках и пиве, которым обливаешься в процессе
https://www.kaggle.com/asimandia
Для вопросов: @dimitriy_rudenko
1. Kaggle решат
2. Соревы обозреват
3. Gold фармить
4. Социальност
Канал о пути к Kaggle competitions
https://www.kaggle.com/asimandia
Для вопросов: @dimitriy_rudenko
Kaggle
Pizzaboi
LMU Munich student
Author: https://news.1rj.ru/str/pseudolabeling
Author: https://news.1rj.ru/str/pseudolabeling
❤13👍2😁2
Запрети мне псевдолейблить
Сутра: 1. Kaggle решат 2. Соревы обозреват 3. Gold фармить 4. Социальност Канал о пути к Kaggle competitions Master Grandmaster, баварских сосисках и пиве, которым обливаешься в процессе https://www.kaggle.com/asimandia Для вопросов: @dimitriy_rudenko
Обновил превьюшку в тг. Вы вот знали, что тг один раз генерит превью для ссылки и потом не обновляет, пока не попросишь специального бота это сделать? В смысле старое превью моей ссылки на кэггл не обновлялось больше года :0
@WebpageBot
@WebpageBot
👍4🤯3❤2
Воркшоп по сореве NeuralIPS начался, можно смотреть на мои 10 минут русского акцента:
https://neurips.cc/virtual/2024/competition/84802
https://neurips.cc/virtual/2024/competition/84802
1👍5❤1
Forwarded from Aparin (Георгий Апарин)
Выступил на NIPS, на воркшопе посвященному соревнованию Ariel Data Challenge. Выступал на английском, опыт интересный, даже не факапнулся в рече. С темой своего выступления как обычно кринжанул, думал там ребята посвященные слушают, а там просто проходящие энтузиасты астрофизики зашли, а я как на зло погружение решил скипнуть со словами "I hope all of you are in the context of the data and the task". Вместо описания решения, как остальные участники, решил сделать спич с заголовком "почему моё решение хоть и решает метрику, но не решает задачу". Ещё и в 2 ночи по Шанхаю спикать пришлось, в полубредовом состоянии.
В общем да, эмоции переполняют, надо больше тренироваться на конфах выступать. В следующий раз надеюсь не на воркшоп, а на статью навайбю🤓
В общем да, эмоции переполняют, надо больше тренироваться на конфах выступать. В следующий раз надеюсь не на воркшоп, а на статью навайбю
Please open Telegram to view this post
VIEW IN TELEGRAM
👍18🔥3❤2
Про что был NeurIPS Competition track в этом году?
Соревнование было посвящено определению состава атмосферы экзопланет в космосе. Экзопланеты- это любые планеты, которые вращаются вокруг звезд вне солнечной системы. Теоретически, развитие методов их анализа может помочь нам найти внеземную жизнь или хотя бы лучше понять механизмы возникновения жизни на нашей планете. Данные были синтетические, из симуляций, но это решало две проблемы: парсинг статей из интернета не докидывал точности (что работало для прошлого года) и можно было сосредоточиться на конкретных физических эффектах от известных и изученных нами газов.
На вход даются симулированные данные детектора, направленного на звезду, на выходе надо предсказать состав атмосферы планеты, проходящей транзит.
Данные на вход давались в двух вариантах:
1. Честные цифры с детектора, который сам по себе двухмерный + время
2. Данные обработанные в частотный формат. При этом частоты еще и очень удобно метчились с таргетами.
Метрика качества- Gaussian Log-likelihood. Т.е. честное, взаправдашное правдоподобие с учетом оценки дисперсии.
Соревнование было посвящено определению состава атмосферы экзопланет в космосе. Экзопланеты- это любые планеты, которые вращаются вокруг звезд вне солнечной системы. Теоретически, развитие методов их анализа может помочь нам найти внеземную жизнь или хотя бы лучше понять механизмы возникновения жизни на нашей планете. Данные были синтетические, из симуляций, но это решало две проблемы: парсинг статей из интернета не докидывал точности (что работало для прошлого года) и можно было сосредоточиться на конкретных физических эффектах от известных и изученных нами газов.
На вход даются симулированные данные детектора, направленного на звезду, на выходе надо предсказать состав атмосферы планеты, проходящей транзит.
Данные на вход давались в двух вариантах:
1. Честные цифры с детектора, который сам по себе двухмерный + время
2. Данные обработанные в частотный формат. При этом частоты еще и очень удобно метчились с таргетами.
Метрика качества- Gaussian Log-likelihood. Т.е. честное, взаправдашное правдоподобие с учетом оценки дисперсии.
👍14🔥3❤1
Forwarded from Love. Death. Transformers.
НЕЕЕЕТ ТЫ НЕ ПОНИМАЕШЬ ТЫ ДОЛЖЕН ЗНАТЬ ЧЕМ ОТЛИЧАЕТСЯ RSLORA ОТ QLORA, ты должен знать чем отличается sageattn от fa2 от fa3, ВсМыСлЕ тЫ Не зНаЕшь чЕм отличается adan от LiOn у НаС тИмЛиД еГо ПиСаЛ!!!!