Потому что я слышал что-то такое краем уха 👌

Нужно на конкретную архитектуру смотреть
Поищите, что пишут в статьях по этому поводу

у меня есть 24гб и я вот пытаюсь понять, нужно ли ещё покупать такую же или этой будет достаточно

Ну опять же, в зависимости от того, что хочется обучить

И как
Я б попробовал aws арендовать, чтоб сравнить

🙏🙏🙏

Есть ли возможность проверить в jupyter notebook что все ячейки выполнены по очереди? Грубо говоря - задача для любого входящего ноутбка проверить, можно ли его “воспроизвести” - для этого ячейки должны быть строго возрастающими с правильной очередностью. Есть ли тулзы какие то для этого?

Ой... в нотбуках ячейки теперь параллельно могут... какой ужас... (про тулзы хз, думал, что последовательное исполнение дефолтная фича)

Не не, я про то, что надо проверить, что в ноутбуке ячейки выполнены по порядку, а не хаотично

Понял, о чем вы.

На вскидку хз, как это делать получше, но пара идей на вентилятор такие:
можно накостылявить что-нибудь из: библиотеки runtools, json парсера, запуск из командной строки, nbconvert.

В худшем случае костыль мог бы выглядеть что-то в сторону:
- пройтись по каждой ячейке из json (имеется ввиду пропарсить тетрадку)
- конвертнуть ее (ячейку) в код, держа в стринге
- запустить, обмазав try-except (или другим способом отловить несработавший запуск) с помощью eval/средствами командной строки


Ну или просто тетрадку из консоли запустить и посмотреть, что за стек трейс она выплевывает. Благо так можно делать

Там кнопка есть: нажимаешь и они по очереди выполняются
Если на каком-то моменте ошибка, все, что ниже - не выполняются

Я в курсе, мне нужна возможность для произвольно ноубука проверить, что все ячейки были выполнены по порядку.

Ну в произвольном ноутбуке тоже есть такая кнопка
Возможно, можно из 1 ноутбка запускать произвольный

Хотя я так не делал

Мне на вход приходит 10-20-30 ноутбуков, надо в автоматическом режиме проверить, что они ячейки были выполнены по порядку, чтобы хоть какая то воспроизводимость была, а те, что не по порядку - кинуть варнинг :)

Потому что иногда юзеры они такие, нельзя им доверять

а в ноутбуках код одинаковый? и количество ячеек

Добрый день. Только разбираюсь с случайным лесом, столкнулся с проблемой визуализации. Ошибка:Model n_features is 13 and input n_features is 2.  Кажется нужно повысить размерность,  не знаю какие данные передавать в расчёт для предикшна. https://colab.research.google.com/drive/1TEsOqDWQJutQa6JcuaDjwGuFqFNbitEE?usp=sharing

обучали на векторах размерности 13, а в предикт даёте 2. давать надо такие же, как и при обучении. подсуньте для начала что-нибудь из тренировочного множества сэмпл какой

Управление товарными запасами – кейс Estee Lauder Companies Inc.

Эффективное управление товарными запасами – важная задача ритейл-бизнеса как в оффлайн, так и в онлайн среде. В качестве примера решения этой задачи показателен опыт Estee Lauder Companies Inc. – одной из крупнейших парфюмерно-косметических компаний мира.

В компании управление товарными запасам реализовано на базе аналитической платформы Loginom. Особенность этой платформы - low-code архитектура - визуальная настройка сценария обработки данных из уже готовых компонентов, без необходимости кодирования. Подробный кейс использования Loginom в Estee Lauder Companies Inc. по ссылке.

Отдельно отметим структуру сценария управления товарными запасами на Loginom:
- 18 измерений;
- 37 процессов;
- 68 сценариев обновления данных;
- 300+ источников данных

При этом эффект от внедрения решения на основе Loginom:
- До 30 секунд – сократилось время обработки аналитических данных.
- На 50 % - снизился уровень товарных запасов.
- На 15 % за 3 месяца – сократились сверхзапасы в онлайн-рознице.

Узнать больше о low-code платформе Loginom можно здесь.
Попробовать платформу Loginom БЕСПЛАТНО в течение 14 дней можно здесь.