Ясно, спасибо!

@mentorofsoul для таких объявлений у нас есть @datasciencejobs

Коллеги! Тут Яндекс запустил свой первый онлайн-курс про разметку данных с помощью краудсорсинга: “Practical Crowdsourcing for Efficient Machine Learning”. Курс поможет прокачать скиллы в нашей индустрии при работе с большими данными и машинным обучением, освоить краудсорсинг и использовать свои знания для решения сложных задач с однотипными формализуемыми действиями.

Лекции проходят на платформе Coursera на английском языке с русскими субтитрами. За пять недель обучения вы узнаете удивительные возможности разметки и генерации огромных массивов данных с помощью краудсорсинга. В рамках обучения запланированы практические задания по одному из трёх проектов на выбор: классификация запросов и определение релевантности результатов поиска; распознавание и выделение объектов на фотографиях; и транскрипция аудиофайлов в текст.

Яндекс использует краудсорсинг более 10 лет, выработав собственный подход в работе с ним, и создав целое направление методологии и исследований, направленных на ещё более эффективное использование его техник. Научитесь обрабатывать крупные объёмы данных быстрее и эффективнее с новыми знаниями от лидеров индустрии.

Регистрация на курс уже доступна по ссылке - https://www.coursera.org/learn/practical-crowdsourcing?action=enroll

Мне как раз что-то похожее нужно было, спасибо!

Сейчас вообще краудсорсинг набирает серьёзные обороты. Появляются крутые технологии, методики, инструменты. Пора уже заскакивать в этот стремительный поезд :)

Да да

Привет всем✌️
Делал нейронку, на выходе должна была давать 4 признака каждый из которых мог быть тру или фолс(тобишь может быть тру тру тру фолс или фолс фолс тру тру)
Писал сюда спрашивал какой лосс задать, сказали binary_crosentropy
Ещё долгий спор был😅
Ребят не подошёл, мне кажется нужен categorical_crosentropy🙂

Оно даёт 1 0 0 0( а должно быть 1 1 0 0) при этом признак второй аналогичен первому, и в датасета одинаково материала для обучения( по 5к фото на каждый из 4 признаков)

Categorical значит что только одна единица будет

И так со всеми фото, даёт тру на тот который первый увидело(то что было ближе всего к верхнему левому углу)

Завтра проверю, но или categorical или в генераторе разобью output под каждый сделаю отдельный, и в моделе буду подавать отдельно( получиться для каждого отдельный будет лосс)

И это будет

Барабанная дробь

Бинарная кросс энтропия😱

Но не работает бинарная кросэнтропия

Ну из-за ты ее руками закодишь вместо того чтобы готовую взять, она не заработает

При чём тут руками, у меня будет также бинарная, но если сейчас у меня в тренеровочном наборе данных всё в 1 поток бинарки идёт, а я разделю, и оно по 4 потокам будет идти и для каждой будет лосс бинарная кросэнтропия

Математически это идентично

Нет