Size: a a a

Machine learning

2020 June 21

AG

Alexander Gavrikov in Machine learning
чтобы потренировать математическое мышление и дискретку лучше порешать задачи на codeforces
источник

ФР

Фёдор Родионов... in Machine learning
Roman Nozdrin
И матана на уровне середины 19 века
Странно, нафига мы учились в 1-3 классе считать, если есть калькулятор. Практику по линейке тоже можно выкинуть - все считается на компах сейчас легко.
источник

ПМ

Полукровка Мужчины и... in Machine learning
Фёдор Родионов
Странно, нафига мы учились в 1-3 классе считать, если есть калькулятор. Практику по линейке тоже можно выкинуть - все считается на компах сейчас легко.
но руками зачастую быстрее
источник

IL

Ignat Levagin in Machine learning
источник

PS

Pasha Smirnov in Machine learning
С теорией все понятно. А практика в решении задач по тому же матану как-то поможет в Machine Learning?
источник

PS

Pasha Smirnov in Machine learning
Я скорее к этому отношусь как к закреплению пройденного
источник

PS

Pasha Smirnov in Machine learning
Ну и просто для мозгов
источник

К

Клим in Machine learning
Pasha Smirnov
С теорией все понятно. А практика в решении задач по тому же матану как-то поможет в Machine Learning?
Понимаешь от куда все берется
источник

PS

Pasha Smirnov in Machine learning
Это из теории же
источник

I

Igor in Machine learning
Pasha Smirnov
Это из теории же
В теории например понятно как стул сделать, но вот когда начинаешь делать сложности начинаются
источник

SS

Sergey Salnikov in Machine learning
матан пригодится только для понимания оптимизации вообще и градиентного спуска в частности, более всотребовано знание матричных операций и теорвер/матстат
источник

RS

Ruslan Sabirov in Machine learning
Артём Глазунов
Не пробовали по каждому объекту найти тему как сумму  тем с использованием какого-нибудь wordtovec, либо кластеризацию провести(сначала словарь, затем bow, затем какой-нибудь kmeans, предварительно по силуэту или по правилу локтя число кластеров подобрать) и уже кластеры обозвать, а названием кластера уже сам объект.. Можно попробовать bigartm,если рассматривать лейблы вместе для каждого объекта, как маленький текст...
О, интересные идеи. Спасибо, попробую
источник

АГ

Артём Глазунов... in Machine learning
Sergey Salnikov
матан пригодится только для понимания оптимизации вообще и градиентного спуска в частности, более всотребовано знание матричных операций и теорвер/матстат
Полностью поддерживаю. Хочу только добавить к обсуждению, что иногда учебники могут сильно отпугнуть, а их чтение растянется сильно. Без практики навыки и тонкости улетучиваются, остаться должно интуитивное понимание и умение работать с информацией. На мой взгляд, сейчас лучше постараться изучить математику через хорошие курсы с практикой, где интуицию помогут натренировать.
источник

M

Marco in Machine learning
источник

M

Marco in Machine learning
Из курса ODS
источник

M

Marco in Machine learning
Тот же курс но рекомендации для англоязычной аудитории
источник

M

Marco in Machine learning
источник

Б

Бенджамин in Machine learning
Как вы относитесь к ДО от ВШЭ для DS? Дороговато там, поэтому стоит ли этого?
источник

HL

Helga Lilo in Machine learning
Артём Глазунов
Я делал так: сначала нашёл нормализованные разности мат ожиданий по классам для числовых признаков(делил разности на соответствующие средние значения признака вообще). Затем отсортировал и построил barplot.  Это было не сложно, но вот потом, уже категориальные признаки взорвали мозг, поскольку хи квадрат в основном там не применим, при этом, когда применим, корреляции была очень слабая. Поэтому основные выводы по значимости на этой неделе я делал по различия в гистограммам по классам.
спасибо
источник

RN

Roman Nozdrin in Machine learning
Фёдор Родионов
Странно, нафига мы учились в 1-3 классе считать, если есть калькулятор. Практику по линейке тоже можно выкинуть - все считается на компах сейчас легко.
Какие-то подозрительные аналогии
В этом случае я скорее говорю: зачем юзать Pentium II, если есть intel core i9-9900k
источник