꧁
Те же майл, да и вообще весь ютуб ими заполонили
Size: a a a
2020 April 18
꧁
Я после этих курсов вижу у людей только одно полное не понимание, чего они делают или пытаются сделать
AB
Все таки письменный английский полезен. Хотя бы для того чтобы избежать поделок на русском языке.
꧁
Чувак был четыре года пытался в код, все бегал по курсам, хватило пару раз разобрать код благотворительных проектов, попутно поясняя значение основных сущностей и что и почему как он сразу стал делать успехи и уже устроился в джуном
EZ
Я после этих курсов вижу у людей только одно полное не понимание, чего они делают или пытаются сделать
> важно понимать теорию
> anecdotal evidence
> anecdotal evidence
J
И да для новичков, распространённое убеждение и ошибка многих обучающих роликов и книг это научить сразу написанию кода, что является существенной ошибкой обучения. Мы вспоминаем, что программирование это всего лишь попытка пояснить пк что мы от него хотим и ждать ответную реакцию, язык программирования назван ж так не спроста, это и есть инструмент общения с машиной и с другими коллегами, на понятный всеми языке. А любой иностранный язык в том числе и программирования, да и вообще письменная речь, детей тоже так учат письму, начинается с чтения, а это значит, что надо научиться читать чужой код, многие мировые компании имеют свой код в открытом доступе, в него спокойно можно заглянуть, так что сначала изучаем базу: конструкции языка и его особенности, затем ползём на гитхаб и учимся читать эти все пугающие по началу строчки кода, пытаемся понять их логику, почему именно так все работает, а только затем учимся писать, то есть оформляем собственные думки в код.
На сколько мне известно, дети сразу пытаются в воспроизведение звуков за родителями
Услышал - повторил
И так пока не научился
Услышал - повторил
И так пока не научился
K
а почему java ? разве лучше не c++ и python ?
A
ребят. Есть кто проходил ? стоит того ?
Я проходил, стоит
ss
Привет.
Есть датасет, состоящий из векторов размера n, который я хочу нормализовать. Так вот, в чем разница:
* нормализовать каждый вектор отдельно
* нормализовать весь датасет покоординатно ?
Есть датасет, состоящий из векторов размера n, который я хочу нормализовать. Так вот, в чем разница:
* нормализовать каждый вектор отдельно
* нормализовать весь датасет покоординатно ?
꧁
На сколько мне известно, дети сразу пытаются в воспроизведение звуков за родителями
Услышал - повторил
И так пока не научился
Услышал - повторил
И так пока не научился
Мы говорили о письменной речи а не о разговорной
EZ
Привет.
Есть датасет, состоящий из векторов размера n, который я хочу нормализовать. Так вот, в чем разница:
* нормализовать каждый вектор отдельно
* нормализовать весь датасет покоординатно ?
Есть датасет, состоящий из векторов размера n, который я хочу нормализовать. Так вот, в чем разница:
* нормализовать каждый вектор отдельно
* нормализовать весь датасет покоординатно ?
ну допустим ты хочешь отличать векторы длины 1 от векторов длины 2
I
Привет.
Есть датасет, состоящий из векторов размера n, который я хочу нормализовать. Так вот, в чем разница:
* нормализовать каждый вектор отдельно
* нормализовать весь датасет покоординатно ?
Есть датасет, состоящий из векторов размера n, который я хочу нормализовать. Так вот, в чем разница:
* нормализовать каждый вектор отдельно
* нормализовать весь датасет покоординатно ?
возможно, второй случай, это просто стандартизация по всем координатам, а первый - нормализация. в любом случае какая то кривая постановка задачи, информации не достаточно, что требуется сделать: по всем координатам или каждый вектор отдельно. если отдельно - это приведение к единичному базису, вроде получается
2020 April 19
Ю
ребята помогите плиз. какую лосс использовать для bag of words?? короче я делаю автоэнкодер для текста, а L1Loss учитывает позицию в тексте, мне надо чтобы не учитывало позицию. очень желательно чтобы torch
Ю
поможете?
А
Ivan
Это понятно, я не говорю, что это плохо. Я показываю товар лицом. Что расплатой за мягкую рецензию является отсутствие Scopus. Хотя Research Gate индексирует статьи с arXiv.
А для чего нужен arXiv, если есть ieee?
I
Алексей
А для чего нужен arXiv, если есть ieee?
Тут я не спец, но разве IEEE это не зонтик над журналами? То есть чтоб попасть в IEEE Xplore надо в их журнал податься. Ну иди на конференцию сходить, которая материалы потом там опубликует
КК
Всем привет! Помогите, пожалуйста, сориентироваться с закладкой фундамента в виде мат. самообразования на пути к Data Science.
Входные данные: уверенная пятерка по алгебре с геометрией в сильном мат. классе в школе (13 лет назад), такая же уверенная пятерка по всем предметам, связанным с математикой, на первых двух курсах экономического вуза (10 лет назад). После учебы практически никакого контакта с математикой не было.
Задача: освежить в памяти и подтянуть все, что не хватает, для хорошей математической базы для дальнейшего углубления в Data Science. А главное, определиться, с чего начать.
Вот такая специализация на курсере https://www.coursera.org/specializations/mathematics-for-data-science подойдет как общий обзор с дальнейшим углублением в некоторые темы? Или начинать с линейной алгебры, например, здесь: https://stepik.org/course/2461/promo?
Входные данные: уверенная пятерка по алгебре с геометрией в сильном мат. классе в школе (13 лет назад), такая же уверенная пятерка по всем предметам, связанным с математикой, на первых двух курсах экономического вуза (10 лет назад). После учебы практически никакого контакта с математикой не было.
Задача: освежить в памяти и подтянуть все, что не хватает, для хорошей математической базы для дальнейшего углубления в Data Science. А главное, определиться, с чего начать.
Вот такая специализация на курсере https://www.coursera.org/specializations/mathematics-for-data-science подойдет как общий обзор с дальнейшим углублением в некоторые темы? Или начинать с линейной алгебры, например, здесь: https://stepik.org/course/2461/promo?
A
Всем привет! Помогите, пожалуйста, сориентироваться с закладкой фундамента в виде мат. самообразования на пути к Data Science.
Входные данные: уверенная пятерка по алгебре с геометрией в сильном мат. классе в школе (13 лет назад), такая же уверенная пятерка по всем предметам, связанным с математикой, на первых двух курсах экономического вуза (10 лет назад). После учебы практически никакого контакта с математикой не было.
Задача: освежить в памяти и подтянуть все, что не хватает, для хорошей математической базы для дальнейшего углубления в Data Science. А главное, определиться, с чего начать.
Вот такая специализация на курсере https://www.coursera.org/specializations/mathematics-for-data-science подойдет как общий обзор с дальнейшим углублением в некоторые темы? Или начинать с линейной алгебры, например, здесь: https://stepik.org/course/2461/promo?
Входные данные: уверенная пятерка по алгебре с геометрией в сильном мат. классе в школе (13 лет назад), такая же уверенная пятерка по всем предметам, связанным с математикой, на первых двух курсах экономического вуза (10 лет назад). После учебы практически никакого контакта с математикой не было.
Задача: освежить в памяти и подтянуть все, что не хватает, для хорошей математической базы для дальнейшего углубления в Data Science. А главное, определиться, с чего начать.
Вот такая специализация на курсере https://www.coursera.org/specializations/mathematics-for-data-science подойдет как общий обзор с дальнейшим углублением в некоторые темы? Или начинать с линейной алгебры, например, здесь: https://stepik.org/course/2461/promo?
Ксения, курс хороший, сам проходил, если будет сложно - то вам дорога на Khan Academy
A
Я про специализацию на курсере