KT
по содержанию очень даже ничего, интересно
https://julia.quantecon.org/_downloads/pdf/quantitative_economics_with_julia.pdf
определённо надо внести в список ссылок….
Size: a a a
2020 June 29
KT
уже есть (под номером 1.2)
2020 July 01
ХЛ
Есть какой-то набор методов, которые надо реализовать, чтобы что-то действовало как, например, число?
АО
Арифметические операции скорее всего.
АО
Ммм, наверное чуть сложнее, желательно ещё conversion и promote_rule определить (https://docs.julialang.org/en/v1/manual/conversion-and-promotion/)
Так как чисел разных много, но нужно подсказать компилятору, что с ними делать. Например так
Так как чисел разных много, но нужно подсказать компилятору, что с ними делать. Например так
struct Foo <: AbstractFloat x::Float64 end
Base.:(+)(x1::Foo, x2::Foo) = Foo(x1.x + x2.x)
Foo(1) + 1
ERROR: promotion of types Foo and Int64 failed to change any arguments
Base.promote_rule(::Type{Foo}, ::Type{S}) where {S <: Number} = Foo
Foo(1) + 1
# Foo(2.0)2020 July 05
АО
Аге, я знаю :-))
АО
Там правда исходно был sql, но ему проще оказалось с dplyr работать.
Основной вопрос был каким образом эмулировать оконные функции в DataFrames.jl Вроде как получилось, что это комбинация groupby, sort и combine.
Основной вопрос был каким образом эмулировать оконные функции в DataFrames.jl Вроде как получилось, что это комбинация groupby, sort и combine.
RS
судя по тексту, операции с окном он не понял
RS
но вообще, это немного другой разговор. И, как минимум два вида окон - скользящее с перекрытием и с фиксированным интервалом без перекрытия. А если уходить в потоковую обработку, то ещё и с критериями по количеству записей или по интервалу времени....
АО
Ну, я имел в виду самые простейшие, которыми сам пользуюсь все время
SELECT LAG(field) OVER (PARTITION BY p1, p2 ORDERED BY p3, p4)2020 July 06
ХЛ
ДВ
Коллеги , привет всем. Подходит жулия для NLP?
RS
RS
в настоящий момент над TextAnalysis работает пара аспирантов. Ну и над https://github.com/zgornel/StringAnalysis.jl трудится мини-компания. А в целом, всё зависит от того, какого рода работы планируется проводить. Если основная нагрузки на вторичные расчёты над векторизованными данными, то Julia вполне годится.
ДВ
RS
ну как? У питона есть обвязки над более-менее быстрыми библиотеками. Но если нужна какая-то дополнительная обработка над текстом или результатами, то никак. В Julia количество готовых библиотек сильно меньше, готового синтаксического парсера нет. Но зато, если надо делать какую-то свою модель обработки, то нет проблем. Можно прямо на Julia реализовывать как предобработку текста, так и какие-либо ML-операции.
ДВ
ну как? У питона есть обвязки над более-менее быстрыми библиотеками. Но если нужна какая-то дополнительная обработка над текстом или результатами, то никак. В Julia количество готовых библиотек сильно меньше, готового синтаксического парсера нет. Но зато, если надо делать какую-то свою модель обработки, то нет проблем. Можно прямо на Julia реализовывать как предобработку текста, так и какие-либо ML-операции.
Благодарю за разъяснения
RS
всякие нейросетевые вещи, может быть, на Julia даже проще. Меньше всяких прослоек. В прошлом году в рамках GSoC, например, написали https://nextjournal.com/chengchingwen/jsoc-2019-practical-implementation-of-bert-models-for-julia
В этом - делают ALBERT https://julialang.org/blog/2020/05/jsoc-gsoc2020/
В этом - делают ALBERT https://julialang.org/blog/2020/05/jsoc-gsoc2020/
