Size: a a a

Machine learning

2020 June 20

P

Pierre in Machine learning
Илья
Ребят, а что лучше google colabe или юпитер?
Если нормальная видюха, не вижу причин не использовать юпитер
источник

AM

Aleksandr Markelov in Machine learning
Илья
Ребят, а что лучше google colabe или юпитер?
В чем принципиальная разница между ними?
источник

И

Илья in Machine learning
Aleksandr Markelov
В чем принципиальная разница между ними?
да
источник

AS

Aleksandr Sinyukov in Machine learning
В том, где происходят вычисления
источник

AS

Aleksandr Sinyukov in Machine learning
Колаб - облако гугла, юпитер - локально
источник

AM

Aleksandr Markelov in Machine learning
В плане работы разницы почти нет, юпитер тоже можно удаленно запустить.
источник

AS

Aleksandr Sinyukov in Machine learning
Удаленно != облако
источник

AO

Alex Ololo in Machine learning
Пока до сорев не дойдете или реальных данных...
Мой ноут как сковорода стал, и данные девать некуда)
Вобщем коллаб/ гугл диск на терабайт
источник

SB

S B in Machine learning
источник

O

Osmu in Machine learning
я не пойму, это все часть какого именно курса
источник

АГ

Артём Глазунов... in Machine learning
Alex Ololo
Пока до сорев не дойдете или реальных данных...
Мой ноут как сковорода стал, и данные девать некуда)
Вобщем коллаб/ гугл диск на терабайт
Согласен, единственная проблема, если по работе обрабатываешь закрытые данные, то не очень корректно это делать на гугле... В остальном, большие и интересные задачи удобно на колабе, и комп свой бережёшь тогда.
источник

O

Osmu in Machine learning
Артём, скиньте курс, дз которого сюда присылают
источник

O

Osmu in Machine learning
а то я что-то ориентировку потерял
источник

АГ

Артём Глазунов... in Machine learning
Машинное обучение и анализ данных
https://www.coursera.org/specializations/machine-learning-data-analysis
Coursera
Машинное обучение и анализ данных
Offered by Moscow Institute of Physics and Technology. Мы покажем, как проходит полный цикл анализа, от сбора данных до выбора оптимального решения и оценки его качества. Вы научитесь пользоваться современными аналитическими инструментами и адаптировать их под особенности конкретных задач.  В рамках специализации вы освоите основные темы, необходимые в работе с большим массивом данных, в т.ч. современные методы классификации и регрессии, поиск структуры в данных, проведение экспериментов, построение выводов, базовая фундаментальная математика, основы программирования на Python.  Мы разберём, как построить рекомендательную систему, оценить эмоциональную окраску текста, спрогнозировать спрос на товар, оценить вероятность клика по рекламе и т.д.  В финале вам потребуется выполнить проект собственной системы, решающей любую актуальную для бизнеса задачу. Результатом будет наглядная работающая модель, которую вы сможете использовать в вашей повседневной работе или продемонстрировать на собеседовании.  Все, прошедшие…
источник

O

Osmu in Machine learning
спасибо
источник

АГ

Артём Глазунов... in Machine learning
Ещё одно добавлю по колабу: там есть фри доступ к tpu, который хорош для нейросетей.. А так, самое удобное для меня, это то, что не паришься по библиотекам вообще.. Там их легко установить, загрузить, все унифицированно...
источник

АГ

Артём Глазунов... in Machine learning
А самое неудобное - это то, что нельзя оттуда напрямую в html сохранить ноутбук... Но за их dark theme прощаю)
источник

O

Osmu in Machine learning
хм)
источник

K

K-S in Machine learning
Вопрос по адаптивному бустингу. Я верно понимаю, что итоговый прогноз для объекта будет делаться по последнему базовому алгоритму из адабуста, а не путём сложения предсказаний всех алгоритмов в ансамбле, как оно делается в градиентном бустинге?
источник

K

K-S in Machine learning
А, все, вопрос снимается.
источник