так ну ничего

немного осталось!!

ты прям на телефон запускаешь?)

Так муторно с компа на телефон перебрасывать

Гоу работает везде

Это что это работает?

ору

Потому что Instant View изначально не для этого делался, а чисто чтоб статейки юзеру давать быстро
Плюс у каждого сайта свои способы задания языка, кто в субдомен пихает, кто в урл, кто — вообще никак не отмечает

Видимо, они решили, что проще прикрутить такое определение языка, чем долбаться с 5298 сайтами

А можно вопрос не совсем по теме? Я в ML ноль, но хочу попробовать что-нибудь полезное для себя сделать. Решил сделать классификатор рабочей почты, который будет проставлять теги письмам на основе того, какие теги я проставлял ранее. Так вот, вопрос: какие есть механизмы адаптивного обучения, которые позволяют нейронке дообучаться по мере того, как я вручную буду проставлять письмам новые теги и исправлять косяки нейронки? Или надо на каждый чих переобучать модель с нуля?

А много кто все сделал да? Я надеялся что датасаентологи соснут со своими скриптами (

что нет?

Но это и правда лучше. Там на сайте кто-то проставит язык криво, и у тебя в ленте будет все на китайском

Согласен, а с подтягиванием keywords с сайта они легко смогут абьюзить систему рекомендаций

Алгоритм определения спама в почте придумал в 18 веке монах один. Потом Лаплас его труды популяризовал, веке в 19. Но ты хочешь нейронку и мл  вместо простого расчета вероятности. Куда мы катимся...

Тогда и для этого конкурса можно было бы использовать вероятностные модели, но все почему-то на нейронках делают. Не вижу отличия в классификации новостей и почты.

Я не юзал нейронок, например. Это же глупо

Не юзал нейронок

Я чё то тролю на ночь глядя немношк. Конечно можно взять обезьяну и тыкать в нее бананом пока она не начнет отделять авто от сасаети. Это работает. Но мне кажется это неправильным.

Как попробовавший несколько методов заявляю: нейронки > фасттекст > ключевых слов на классификации