Привет, разобрался? я что-то в ступоре =/

Здравствуйте! Где можно следить за анонсами курсов от МФТИ? В начале опроса ввел некорректный адрес, не хочу пропускать
Спасибо!

Тут нужно вспомнить определение доверительного интервала, центральную предельную теорему и тот факт, что стандартная ошибка распределения средних равна сигма исходной выборки разделить на корень из размера выборки.

Спасибо!

Так?)

Добрый день, кто-нибудь сталкивался с задачей классификации тмц? Т.е все новые тмц, например "Батарейка алкал.АА LR6 1,5В" относить к конкретной категории, которая уже есть "Батарейка"? С одной стороны эта задача похожа на классификацию текстов (уже пробовал строить  LSTM, сверточную и GRU), но проблема что данных для обучения практически нет (пока что 1500 записей и 400 категорий).  Может быть кто-то занимался подобным?

Может CatBoost попробовать?

У них хорошо с текстовыми категориями и пример есть:
https://github.com/catboost/tutorials/tree/master/text_features

А просто очистить, лемматизацию провести (к начальной форме), токенизацию, мешок слов(или без него попробовать, просто номер позиции токена в словаре) , получится последовательность чисел, которую можно кластеризовать kmeans или агломеративной? Ну или попробовать трансфер лернинг с рекуррентными сетями, тем более, что уже частично готово, но сначала подключить эмбеддинги предобученные(векторные представления слов, их надо поискать для русского), раз данных мало...

Можно также попробовать тематическую модель построить lda с помощью gensim, но в таком случае темы (кластеры) могут пересекаться.

это не от темы ли зависит, а то у меня в кастом не отображается сетка

Здравствуйте, проверьте пожалуйста c1w4
https://www.coursera.org/learn/mathematics-and-python/peer/4vN1n/tsientral-naia-priediel-naia-tieoriema-svoimi-rukami/review/W5zAtiQIEeuNFA5GHQbb8Q

Всем привет. В C2W3  есть такая функция def calculate_means(numeric_data):
   means = np.zeros(numeric_data.shape[1])
   for j in range(numeric_data.shape[1]):
       to_sum = numeric_data.iloc[:,j]
       indices = np.nonzero(~numeric_data.iloc[:,j].isnull())[0]
       correction = np.amax(to_sum[indices])
       to_sum /= correction
       for i in indices:
           means[j] += to_sum[i]
       means[j] /= indices.size
       means[j] *= correction
   return pd.Series(means, numeric_data.columns)

Может кто-нибудь объяснить смысл танцев с корректировкой?

Кстати, ради интереса, можно посимвольно закодировать( привести к нижнему регистру, собрать словарь символов в коллекции, заменить символ на его номер, сделать вектор таких номеров для каждой записи), после сделать обычный kmeans, подобрав число кластеров по силуэту или elbow rule. Может сработать, и мудрить не надо будет

Всем привет! Есть, кто разбирается в styleGAN ?

подскажите как с таргета вытащить значение 1, например я делаю так у меня не выходит
y = df['Class']
   p = y[1] / len(y)

мне нужно посчитать вероятность

я знаю что можно через цикл, а как можно через numpy?

Ребят всем привет. Хотел спросить реально ли найти удаленную работу на позицию джуниор мл дев?