А
Если ноутбуки адаптированы под python 3 то почему вопросы курса (C1W1) все ещё по синтаксису Python 2 ? http://joxi.ru/KAgMRK3fK6xqGm
Не очень помню тест, но по-моему там нет привязке к Python2 жесткой. Только в формулировке вопроса
Size: a a a
2020 December 21
IM
Не очень помню тест, но по-моему там нет привязке к Python2 жесткой. Только в формулировке вопроса
Мы пока оставим этот вопрос. Когда вернется Мира, все обсудим и решим, заменять вопрос или нет
V
Если ноутбуки адаптированы под python 3 то почему вопросы курса (C1W1) все ещё по синтаксису Python 2 ? http://joxi.ru/KAgMRK3fK6xqGm
Это развивает гибкость мышления
DP
Не очень помню тест, но по-моему там нет привязке к Python2 жесткой. Только в формулировке вопроса
последний пункт - привязка
А
последний пункт - привязка
Не дочитал, действительно
IK
Переслано от Julia Chan
Интервью с Эмели Драль, соавтором специализации по ML на Coursera:
https://youtu.be/AP8GfFXZ9YA
https://youtu.be/AP8GfFXZ9YA
AE
Господа, а есть какой-нибудь ресурс, показывающий все ближайшие хакатоны по ds?
K
#kaggle_crackers
AE
#kaggle_crackers
не совсем понял, что мне с этим делать 😅
V
Хех, а работе девушек в DS могу привести личное наблюдение, что на DS-ной конференции девушек было процентов 20, не больше... и один спикер за весь день)
K
не совсем понял, что мне с этим делать 😅
это канал в слаке одс, в котором пишут обо всех новых соревнованиях
ML
Вопрос по ЦПТ своими руками. Создаю массив 1000 на n (arr_n), высчитываю выборочные средние - получаю массив из 1000 элементов (mean_arr_n). Далее считаю мат ожидание и дисперсию полученной выборки (mean_arr_n) и через вики высчитываю мат ожидание и дисперсию для нормального распределения. Используя распределение лапласа https://ru.wikipedia.org/wiki/%D0%A0%D0%B0%D1%81%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5_%D0%9B%D0%B0%D0%BF%D0%BB%D0%B0%D1%81%D0%B0
Мат ожидания совпадают, дисперсия = 2/a*a => дисперсия для норм распределения = mean_arr_n.var()/2 (если я не ошибаюсь, на вход подается дисперсия в квадрате в обоих распределениях). при таких действиях рисунки получаются не совпадающими. Более оптимальные рисунки получаются при “дисперсия для норм распределения” = math.sqrt(mean_arr_n.var())
Подскажите, пожалуйста, в чем моя проблема…….
Мат ожидания совпадают, дисперсия = 2/a*a => дисперсия для норм распределения = mean_arr_n.var()/2 (если я не ошибаюсь, на вход подается дисперсия в квадрате в обоих распределениях). при таких действиях рисунки получаются не совпадающими. Более оптимальные рисунки получаются при “дисперсия для норм распределения” = math.sqrt(mean_arr_n.var())
Подскажите, пожалуйста, в чем моя проблема…….
AE
это канал в слаке одс, в котором пишут обо всех новых соревнованиях
спасибо)
АК
Кто-то кстати пробовал подавать заявку на принятие в ODS, будучи нубом?
АК
Они вроде на конференциях активно приглашают
АК
Но вопрос, чем я могу быть полезен, ставит в тупик
K
Александр Куприянов
Кто-то кстати пробовал подавать заявку на принятие в ODS, будучи нубом?
всем адекватным аппрувят. Скилл по мл не важен
i
Вопрос по ЦПТ своими руками. Создаю массив 1000 на n (arr_n), высчитываю выборочные средние - получаю массив из 1000 элементов (mean_arr_n). Далее считаю мат ожидание и дисперсию полученной выборки (mean_arr_n) и через вики высчитываю мат ожидание и дисперсию для нормального распределения. Используя распределение лапласа https://ru.wikipedia.org/wiki/%D0%A0%D0%B0%D1%81%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5_%D0%9B%D0%B0%D0%BF%D0%BB%D0%B0%D1%81%D0%B0
Мат ожидания совпадают, дисперсия = 2/a*a => дисперсия для норм распределения = mean_arr_n.var()/2 (если я не ошибаюсь, на вход подается дисперсия в квадрате в обоих распределениях). при таких действиях рисунки получаются не совпадающими. Более оптимальные рисунки получаются при “дисперсия для норм распределения” = math.sqrt(mean_arr_n.var())
Подскажите, пожалуйста, в чем моя проблема…….
Мат ожидания совпадают, дисперсия = 2/a*a => дисперсия для норм распределения = mean_arr_n.var()/2 (если я не ошибаюсь, на вход подается дисперсия в квадрате в обоих распределениях). при таких действиях рисунки получаются не совпадающими. Более оптимальные рисунки получаются при “дисперсия для норм распределения” = math.sqrt(mean_arr_n.var())
Подскажите, пожалуйста, в чем моя проблема…….
Не очень ясно
i
Вы для выборки считаете среднее? Это не м. О.
А
Вопрос по ЦПТ своими руками. Создаю массив 1000 на n (arr_n), высчитываю выборочные средние - получаю массив из 1000 элементов (mean_arr_n). Далее считаю мат ожидание и дисперсию полученной выборки (mean_arr_n) и через вики высчитываю мат ожидание и дисперсию для нормального распределения. Используя распределение лапласа https://ru.wikipedia.org/wiki/%D0%A0%D0%B0%D1%81%D0%BF%D1%80%D0%B5%D0%B4%D0%B5%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5_%D0%9B%D0%B0%D0%BF%D0%BB%D0%B0%D1%81%D0%B0
Мат ожидания совпадают, дисперсия = 2/a*a => дисперсия для норм распределения = mean_arr_n.var()/2 (если я не ошибаюсь, на вход подается дисперсия в квадрате в обоих распределениях). при таких действиях рисунки получаются не совпадающими. Более оптимальные рисунки получаются при “дисперсия для норм распределения” = math.sqrt(mean_arr_n.var())
Подскажите, пожалуйста, в чем моя проблема…….
Мат ожидания совпадают, дисперсия = 2/a*a => дисперсия для норм распределения = mean_arr_n.var()/2 (если я не ошибаюсь, на вход подается дисперсия в квадрате в обоих распределениях). при таких действиях рисунки получаются не совпадающими. Более оптимальные рисунки получаются при “дисперсия для норм распределения” = math.sqrt(mean_arr_n.var())
Подскажите, пожалуйста, в чем моя проблема…….
Вам не нужно вычислять параметры из вашего распределения методом оценки. Используйте соотвествующие методы до вашего распределения(laplace)