Привычная ситуация: заходите в соц.сеть и видите блок с аккаунтами людей, которых можете знать. Реализовать такую фичу — пример задачи Data Scientist'а.
Есть желание войти в профессию и делать крутые штуки?

Тогда онлайн-школе SkillFactory есть, что вам предложить — полноценный курс по Data Science с фокусом на практические задачи. На курсе студент сможет стать middle Data Scientist с нуля.
Вот, что вас ждет на курсе:
— Освоение базовых навыков:Python, SQL, Linux и статистика
— Machine Learning, Data Engineering
— Фокус на практику. Будем учить тому, что точно пригодится в работе
— Баланс навыков. Даем базовые знания, развиваем soft skills и учим управлению карьерой
— Портфолио на выходе. Обучаем на решении кейсов, которые вы сможете добавить в портфолио
— Помощь в трудоустройстве. Наметим карьерный трек, поможем прокачать резюме и подготовиться к собеседованию

А для участников нашего чата @bigdata_ru действует эксклюзивная скидка 40% по промокоду BIGDATA — не упустите: https://clc.to/JtDpjQ

ребят, как в керасе менять скорость обучения в зависимости от истории значений потерь? Типа, если потери как кардиограмма, то стоит уменьшить lr, а если монотонно уменьшается, но очень медленно, то хорошо бы поднажать. Видел в колбеках LearningRateScheduler и ReduceLROnPlateau, но мне кажется они не подходят для решения такой задачи, тк функция корректировки первого может принимать в качестве аргументов только эпоху и текущий lr, а второй умеет только снижать ее

Если не подходит что идёт из коробки, то можно написать свой колбэк

По сути тебе нужно только снижать lr, так что 2 вариант тебе должен подходить

https://ryxcommar.com/2019/07/14/on-moving-from-statistics-to-machine-learning-the-final-stage-of-grief/

Для начала это прекрасно :)
— Какая разница между статистикой и машинным обучением?
— Примерно $50.000 в год

xD

Самописный колбэк. Сравнивая например std в течении нескольких эпох

типа через хистори?

Callback_two = LearningRateScheduler(scheduler)
"""
 sheduler - функция для автоматического изменения шага обучения(зависит от отклонения)
 параметр epoch только для того, чтобы tf не ругался, так как sheduler это его
 (встроенная в коллбэк LearningRateScheduler) функция.
"""
a = [0.001]
def scheduler(epoch):
 std = np.array(val_mae_list[-5:]).std()
 print("Среднеквадратичное отклонение", round(std,4))
 v = 0.001
 if len(val_mae_list) < 5:
   return v
 
 if (std > 0.2):
   print("Пила, понижаем скорость")
   v=0.0001
   a.append(0.0001)
   return v

 if (std < 0.002):
   print("Плато, повышаем скорость")
   v = 0.01
   a.append(0.01)
   return v
 else: return a[-1]

лови

Если эпоха огромная, то можно ещё вручную - model.optimizer.lr.assign(0.1

model.optimizer.learning_rate = 0.1,

Перед fit

а что такое val_mae_list?

Тестовый сет(?)

это вопрос или утверждение?

Утверждение с уверенностью ~90% 😂

Это список ошибки mae на тестовой выборке

при попарном сравнение если ко-во участников не четное , что обычно делают ? )

Одного посылают за пивом

тоже вариант был, но обидно будет если тебе этот участник не попадется , а в итоговой таблице он окажется на 1 месте , и ты такой "какого хрена у меня его не было , я бы его тоже выбрал"

а как его получить? а то я попробовал всунуть код и лист у меня не определен, ты его сам определяешь или он существует под капотом для каждого лосса?

Ну сделай его синтетическим, возьми среднее по всем