а если брать веб, то там интереснее будет при выходе на лвл, в плане разнообразности задач?

Я в универе клиент-серверную биржу написал на питоне, редкостная хрень получилась, но по результату очень похоже. Ни 5 человек мне не понадобились, ни полгода
Если есть примеры приложений на 1с, для которых понадобился 1 джун и 2 недели времени - готов посмотреть и признать свои ошибки

мне сложно ответить, на вебе сейчас делают всё что угодно. Но опять же среднестатистический прогер сидит и правит сутками какие то косякив в стандартных CMSках и т.п. тоже не особо разнообразно. Но в целом думаю интересней. Но опять же вебовцы по зп скорее всего проигрывают особенно на джуне и миддле

Мне кажется, или у каждого своя сфера на которую "встает"?
Условно есть люди которые при виде CSS и структуры страницы в HTML обтекают слюнями, есть люди которые обожают копаться в архитектурах ПО, есть те кто кайфуют с нейросетей, допустим только в NLP\CV, есть те кто обожает "классический ML" и т.д.

Наверное просто нужно попробовать и понять твое это или нет, взвесить все "за" и "против" разбавив скор своими ощущениями

А можно уточнить, откуда у Вас все эти прекрасные познания о хайповых профессиях?

ну да, плюс каждая сфера всё равно изначально так или иначе нацелена на решения какого то круга задач где она лучше\быстрее или точнее и т.п.

Всем привет! Есть вопрос по оценке качества рекоммендательных систем:
Как правильно оценить Precision@k и Recall@k системы, если из данных у меня только матрица users-items и нет других фич? Не могу же я просто посмотреть что рекоммендуется для конкретного юзера и сравнить с тем, что он лайкал - получится, что я оцениваю результаты на данных, использованных в обучении.

При обучении Training, validation, test sets похоже не использовались?

Похоже, что использовались. Вопрос про то, как корректно провести оценку по кускам матрицы users-items (которые и являются train, test, val sets) по которым не проводилось факторизация матрицы

Подскажите а чем проблема, пожалуйста

А в чем проблема? Единственное вижу что во втором задании ответом вряд ли является пдф файл

В 1ом пишет, что файл не отправлен

Нажми отправить и он отправится

Я нажимаю, пишет загрузку, а потом кнопка отправить пропадает и появляется надпись не отправлено

Я про 1ое задание

Насколько я понимаю, проблема возникает при появлении в валидационой и тестовой выборках items, которых не было в обучающей выборке?  В таком случае, через множество рандомных разбиений получать усредненную оценку

может быть, есть валидатор, что отправляемые файлы должны быть .txt - попробуйте не прикреплять ко второму пункту пдфник

Скорее users. У меня items фиксированная для всех выборок, разбиваю по users. Вот как раз и не понимаю, как получить оценку хоть для чего-нибудь. После факторизации есть латентные представления каждого user и каждого item  из обучающей выборки. Потом я беру из тестовой выборки строку с одним новым, тестовым user и что с ним делаю? Как для него выполнить рекоммендацию, если у меня нет латентного представления?

если users то это проблема холодного старта - cold start, варианты решения есть, но стратегию все таки определяет человек