Тут оффтоп, психиатрические термины и экзистенциальные вопросы вместо программирования.
Прошлый тут >>2202541 (OP)
Шапку не копирую, потому что она не нужна.
Хочешь ML, учи CS229, CS231n, линейную алгебру, теорвер, матстат, базовый матан и matrix calculus.
Хотя нет, не учи. Но хотя бы backpropagation освой. Больше нахуй ничего не нужно, потому что ничего нового за 50 лет AI не изобрели. И ты все равно не будешь нихуя делать серьезного, твой максимум - поигрульки с готовыми решениями и работа перекладывателем экселя или, если повезет, ничем не примечательным машоб-дауном с зарплатой ниже любого любителя крудов. С тебя даже фронтендо-макаки будут смеяться, ведь они хотя бы могут в нормальный код. Зато у тебя будет бейджик элитария. Правда, элитарием ты будешь только у себя в голове.
Еще учи graph machine learning (GML). Это, как водится, реклама.
Осторожно, в треде манябиологи и маняпсихологи, которые с каких-то хуёв решили, что они шарят в биологии и психологии, хотя всю жизнь были программистами, причем бездарными.
Хочешь что-то спросить? Только вкатываешься? Спрашивай совсем базовые вещи, наши дурачки тебе расскажут по верхам с пальцем у подбородка о спектральной кластеризации, о которой что-то услышали на лекции "Введение в машинное обучение" на 3-м курсе своего МухГУ. Что-то более серьезное - пожалуй, не здесь.
В общем, наши дебики тут сознание оцифровывать собрались, математики, исследователи, серьезные люди, паперы, все дела. Правда, пока только пытаются генерить прон с лолями, смотрят курсики Стэнфорда и хлебают мамины борщи. Работа подождет - растет будущий ученый, а не эта ваша макака! Заходите, мы с них тут уютно смеемся.
Опять шиз с псевдошапкой. Небось это ЭС-шизик катает.
Если эс так охуенны, то почему так нахуй не нужны
Что мы знаем про тутель?
Библиотека для моделей на ТРИЛЛИОНЫ параметров. Еще больше и еще лучше. Оптимизирован для Tesla A100, будем теперь генерировать графоний в clip guided diffusion в разрешении 4K. Это вам не какой-то ссаный акинатор, Тутель с подпинка сделает тысячу таких акинаторов.
Я на стайлгане трехлетней давности делал кастом модель с лучшей выдачей, чем это фуфло на ОП пике.
https://www.reddit.com/r/MediaSynthesis/comments/qoy4pa/a_set_of_fantasythemed_images_generated_with/
Фэнтези картинки в духе 80х
https://www.reddit.com/r/MediaSynthesis/comments/qo9j3i/16_still_life_paintings_created_with_rudalle/
Натюрморты
https://www.reddit.com/r/bigsleep/comments/qyvph6/a_set_of_digital_paintings_generated_with_pixray/hlie76t/
Просто пикчи из VQGAN/пиксрэй
https://www.reddit.com/r/MediaSynthesis/comments/qmegfy/nsfw_a_girl_with_red_hair_created_with_rudalle/
Голая с красными волосами, говорят что Аска, но хуй разберет кто она
Передайте отцу ЭС долбоеба, чтоб дал сыну ремня
>продукт-конкурент на ЭС
Так и представляю, система-эксперт в консольном интерфейсе образца 70-х беседует с пользователем:
- Вам сгенерировать изображение трапа-брюнета или блондина?
- Брюнета.
- Пиксель в позиции 31x87 - R 80, G 62, B 74. (Наверное.) Следующий вопрос, волосы длинные или короткие?
- Короткие
- Пиксель 37x102 - такой-то и такой-то по RGB. Следующий вопрос, волосы очень короткие или не очень короткие? Какой цвет губной помады? Какова длина члена? Вот тут должен быть такой пиксель а вон там такой, но это не точно, поэтому уточняющий вопрос... Щта? Растр с конкретным результатом? Я экспертная система по обработке статистики, совсем дурак штоле? Может ты еще хочешь чтобы я имитировала работу человеческого мозга, лол?
Я - художник обыкновенный, хочу в эти ваши нейросети вкатиться чтобы с одной картинки генерировать много разных вариантов в разных стилях и палитрах. Заебали реплики заказчиков в духе: "а теперь попробуем тоже белый, но только цвета слоновой кости", хочу им сгенерировать всякого говна и пусть выбирают.
Остались следующие вопросы:
1) Смогу ли я натренировать готовую сеть, если я не кодер? Допустим, сам вручную отберу несколько тысяч картинок из интернетов. Мне обязательно уметь кодить чтобы скормить сети это?
2) Можно ли вообще использовать видеокарты (вроде RTX3050 с 4Gb VRAM) среднего ценового диапазона? А не RTX3080 которая стоит как подержанный автомобиль. Скажем, пожертвовать временем генерации и разрешением пикчи. Я знаю что для нейросетей рекомендуется больше 10 Gb видеопамяти, но такие видюхи дешевыми не бывают. Или это того не стоит и надо работаться с сетью в облаке?
Пчел, уметь кодить не обязательно. Глянь любое видео, в котором обучают нейронку, там кодинг уровня "подключаем либу, чистим датасет, обучаем модель, рисуем картинки". Ну то есть даже циклы тебе нахуй не нужны будут скорее всего. Выбрать архитектуру сети будет посложнее, но за полчаса гугления ответ ты найдешь. Ещё за минут двадцать ты найдешь нужный тебе гитхаб с уже готовым проектом и тебе останется поменять пару параметров в функциях.
Спасибо, суть понял. Меня только смущает что даже у опытных нейроучителей часто получаются очень всратые результаты. А мне уж куда до них, так что есть неиллюзорный шанс потратить несколько месяцев своей жизни на бесполезное говно.
Чисто теоретически, можно ли повысить эффективность нейросети снизив ее универсальность? Скажем, натренировать сеть только на картинках трусов и ничего больше.
Почему месяцев? Это все легко разбирается за неделю совсем с нуля. Ну просто представь, что учишься в блендере с командной строкой работать; и то будет проще.
Как ты пишешь, скорее всего не выйдет тупо по постановке задачи. Ты же заказчикам не одни только трусы рисуешь, а сразу двадцать пять видов одежды в разных комбинациях. Поэтому тебе придется под каждый тип заказа собирать свой датасет. Тут реально могут уйти месяцы.
>Это все легко разбирается за неделю совсем с нуля.
За неделю только научусь работать с сетью, но она будет выдавать непотребное говно с которым невозможно работать.
>Как ты пишешь, скорее всего не выйдет тупо по постановке задачи. Ты же заказчикам не одни только трусы рисуешь, а сразу двадцать пять видов одежды в разных комбинациях. Поэтому тебе придется под каждый тип заказа собирать свой датасет.
Беру и грубо рисую трусы, юбки, майки и т.п. на отдельных слоях, считай что отдельные пикчи.
Потом, под каждый тип одежды у меня есть специально обученная сетка.
Скармливаю трусиковой сетке свой набросок трусов и в ответ получаю множество трусиков той же формы и с того же ракурса, но уже с подробностями. Одни в горошек, другие полосатые, третьи вообще прозрачные. Ну знаешь, как в Artbreeder, одна пикча производит сотни других похожих на нее.
Далее скармливаю маечной сетке набросок майки и так далее. Все предметы одежды генерируются отдельно. Потом я просто беру, объединяю слои и чищу говно вручную.
Или все это влажные фантазии и так нейросеть реботать не будет?
В общем и целом похоже на симуляцию муравьев, но немного другое. Или для такой цели смысла нет?
Добро пожаловать в Reinforcment learning
https://play.google.com/store/books/details/blah?id=zyX6DwAAQBAJ
Привет анон, я тоже решил вкатиться в Q обучение (по сути к нему все RL и сводится) хоть я и полный нуб в нейронках и только начал разбираться, могу посоветовать Matlab последних версий с simulink и deep learning toolbox/reinforcement toolbox на борту. Очень много всяких примеров обучающих + есть все последние агенты вроде PPO или SAC, ну и можно сразу обзавестись прикладным применением. Если хочешь, могу оставить телегу чтоб вместе увлекаться
Да я вовсе не против openai да и понятно что машоб это про пайтон. Но я просто учусь на инженера электронщика так сказать, и если говорить про прикладные применения именно к железу (всякие регуляторы тока, уровня напряжения/воды) то у матлаба нет альтернатив. Так как в нем можно наверное любую электрическую и не только схему с высокой точностью симулировать. Ну и мне например интересно чтоб то, что я делаю могло заработать ирл. Ну и по описанию у анона мне показалось что ему интересно и ирл направление. Хотя конечно если использовать RL для игр или работы с данными, то тут пайтон без вариантов
Судя по тому что я увидел из гугла это ни разу даже не альтернатива матлабу. Это просто еще один сапр для электрических схем вроде протеуса. Может быть протеусу он и конкурент, но применение матлаба выходит за рамки просто моделирования электрических схем. По сути их даже сравнивать некорректно
З.Ы. Мультиперцепторный клип дифьюжн это рили прорывная технология, по сути это ИИ-художник прямиком из научной фантастики, только жрет оч много видеопамяти
Задача sentiment analysis. Случай entity based, но в каждом тексте есть лишь одна и та же entity (хотя может встречаться несколько раз).
Например: "Владимир_Путин(сущность) не пыня. Владимир_Путин(сущность) наш президент". Тагрет положительный.
Как думаете, как лучше так лучше такое решать? Первое предположение запилить простой классификатор, а для сущностей (они помечены) завести спецтокен. Но может есть предположения получше...
Сучары не хотят меня релоцировать
машоб придумали амд и нвидия
чтобы продавать видеокарты
обсирание эс часть маркетинга
Sbermarket competition
Predict user’s next purchases
Предлагаем вам решить амбициозную задачу по моделированию предпочтений наших покупателей и предсказанию состава следующих тележек
Призовой фонд: 1 000 000 ₽(первое место)
Ахуенно правда? За лям рублей получить по сути готовый продукт. Вот что такое ваши хахатоны - кабаныч хочет решить свои задачи(и получить поток кэша) за копейки а лучше бесплатно, а анальники и не против.
Есть короткий локализированный код с tf.nn.max_pool. Если я передаю туда инты, всё окей, подсчёт верный. Если я передаю туда плавающие, то на строке "pooled = tf.nn.max_pool" получаю ошибку Process finished with exit code -1073740791 (0xC0000409)
0xC0000409 на винде это Stack buffer overrun
Windows 10 + Cuda 11.5
Tensorflow 2.7.0
dtype=tf.float64 — я убирал, ставил tf.float32, ставил tf.float64 — только эмоций, всё равно падает.
tf.reshape & tf.nn.max_pool не принимают тип нового массива, то есть они создают массив из тех же примитивов, что и входящий
> не понятно почему такие требования к специфическим вычислениям, по идее нейронки должны выдавать приемлемый результат на говне и палках.
То есть, ты прямо заявляешь, что даже не знаешь, что и зачем считают нейросети, а код ты посмотреть не можешь, потому что безграмотный куриный муж. Но при этом что-то там кукарекаешь. Зачем? Кому может быть интересно "мнение" клоуна, даже примерно не понимающего предмет обсуждения?
>>2223204
> обсирание эс часть маркетинга
Возьми да сделай что-то на ЭС. Докажи, что это не говно.
Кстати да. Всегда хуел с этих "хакатонов", одно только название вызывало бугурт. Участников априори держат за тупых скотов, предоставляя им "уникальную возможность" в стрессовом режиме забесплатно сделать какую-то хуйню. Сука, и все это подаётся так, будто вам, холопам, барин милость оказал "показать себя", а вы ещё и бубните.
> всё, ты продал свой код за лям
Может быть, всё даже ещё проще. Например, лям получит свой же человечек, а рабочий код уйдет в зрительный зал нахаляву, так как его автор не выиграет челлендж.
>>2223401
> ты же в любом случае орать что говно будешь
И тебе настолько важно именно моё мнение, что ты из-за него будешь страдать и не станешь миллиардером? Покажи класс, ты же кукарекаешь, что ЭС может чуть ли не всё. Так в чем проблема сделать хоть что-то?
Че несёшь, пидараха?
Хакатон это когда шутливые собрались на пиццу с пивком чисто по фанчику наговнякать прототип свистоперделки. Это добровольное социализирующее мероприятия: себя показать, других посмотреть и немного поугорать с братишками. Только аутист там будет чето серьезно пердеть-потеть, такие скорее останутся дома втыкать и потом перетирать на оранжевом форуме как их злые кабанчики угнетают посредством хакатонов, ору нахуй.
В книге Ширяева "Вероятность" есть целая глава про свойства акф, может, там стоит посмотреть.
Кроме того, можно попытаться применить разложение Карунена-Лоэва, но это неточно.
Опиши чуть подробнее - у тебя процесс стационарный? Может, гауссовский?
Откуда такая задача у тебя возникла?
Книжку посмотрю. Разложение пока больно сложно для меня, судя по описанию. Задача в том, чтобы проверить вывод одного алгоритма, который аналитически посчитан для заданной функции автокорреляции, на реальной последовательности. Процесс стационарный для простоты.
Не самую простую задачу ты собираешься решить. Ищи научные статьи короче.
https://cyberleninka.ru/article/n/tsifrovoe-modelirovanie-statsionarnyh-sluchaynyh-protsessov-s-zadannoy-korrelyatsionnoy-funktsiey-na-osnove-nepreryvnyh-drobey
https://pastebin.com/PacjnGdy
Вроде что-то получилось, но почему-то работает только для автокорреляции, которая вычисляется из сигнала. Если пытаюсь свою подсунуть, то ничего не работает.
>У machine learning есть реальные applications
Внимание!! А дальше идет перечисление applications, на которые указал этот болезный:
>картинки с каким-то бредом (ну это просто фэнтэзи картинки, понимать надо)
>обычнейшие всратые натюрморты (не всратые, а абстрактные, понимать надо)
>всратая пикча с красноволосой изуродованной, без рук, с какой-то хуйней из юбки, маняме девочкой (пиздец)
Да-а, вижу. Реальные applications, так сказать. Нейродебилы, вы реально ебанутые дегроды? А потом вы удивляетесь, почему люди с вас смеются, и даже к говну из 70-х серьезнее относятся?
Чо ты гонишь, хуила, это почти готовые шедевры, их только надо чуть дорабатывать как тут
https://www.reddit.com/gallery/r3pe7q
А вот тут и так норм: https://www.reddit.com/r/bigsleep/comments/r3pxov/portrait_of_japanese_idol_girl_artstationhq/
Эмодзи, сгенерированные мной с помощью модели машинного обучения "Эмодзич"
1) Девочка в купальнике эмодзи
2) Девочка в купальнике вид сбоку, эмодзи
3) Женщина голая эмодзи
4) Голые жопы женщин эмодзи
Такое-то расовое разнообразие (diversity). Ещё любопытно, что по запросу "девочка" rudall-e генерирует именно детей. Там нет даже цензуры как в CogView и CLIP, поэтому, если написать "голая девочка" - в результатах будет сами знаете что.
https://youtu.be/hZQgOcyQNow
Да, но я наебался с преобразованиями. У меня в итоге два раза обратное применяется и я естественно получаю то же самое, что было на входе+шум. Вот тут нашел, то что мне надо, но еще не разобрался https://dsp.stackexchange.com/questions/7698/working-backwards-from-psd-to-possible-signal
Ясен хуй, причем жестче чем в кодинге.
Потому что в дота сосаенсе все гораздо сильнее завязано на презентацию результатов и взаимодействие с кабанчиками, которые любят писечек - что сближает сферу с бизнес аналитикой и вообще аналитикой, где давно и прочно бабье царство.
Повторяй за мной: "у меня силиконовые сиськи!".
Основным условием является ограничение на количество нод (минимум в 10 раз меньше длины сигнала). Для гауссиана выходит пик 1 и пик 2. Проблема в том, что высокие частоты очевидно теряются (пик 3). Каким образом можно данную проблему решить, кроме как увеличить число нод?
Пробовал вместо гауссиана пару вейвлетов, но они вообще не сходятся. Еще возникала мысль минимизировать не квадрат ошибки, но что не знаю.
> Вейвлет Габора
Погуглил. Одни источники говорят, что это mhat, другие что это вейвлет Морле. Я пробовал оба. Вот что для Морле выдал + график ошибки
Вопрос возникает потому что есть ощущение, что если по NLP и CV всякие инженеры нужны, то по куче других областей (вроде RL того же, ГАН'ов) вакухи есть строго в академии.
пару лет назад гуглил вакансии в ml, где-то раз в десять больше чем в рашке, берут всех если тым маломальски знаешь питон и немнога машоба, например можешь обучить сеть на object detection или segmentation. Но зарплата сильно разница от новичка до синьора + там если вкатываться в кокойнить стартап, то сначала придется работать за копейки
Ну я думаю со временем начнут пускать ZOG солдат файзером шитых (а мб и спутником даже). Ну и на крайняк у меня есть вариант с кем там фиктивный брак оформить.
>>2225226
Пару лет назад да, но сейчас вроде как требования меняются, нет?
В тех стартапах бакалавра достаточно?
Мне вот например тот же RL интересен, но в магу идти не хочу вообще никак. Могу ли я прибиться куда-нибудь где смогу спокойно статейки утюжить, реализовывать, оптимизировать по этой области? Или без академии тут никуда?
Поддвачну вопрос
Тоже интересуюсь RL и хочу свалить, но собираюсь идти в магу. Но поступать в дс1, дс2 как-то не хочется. Рассматриваю варианты челябинск, Казань. Скорее всего там не будет каких нибудь крутых иностранных аккредитаций и с точки зрения иностранных работодателей вузы поди ноунейм. Сталкивался кто нибудь, насколько там уровень образования и корочки диплома проверяют?
Мне нужно написать нейронку, которая могла бы распознавать по видео, отжимается на ней человек или нет. Не спрашивайте зачем, это просто такой прикол, скажите, насколько это сложно реализовать?
ну, это определенно не сложно, если знаешь как
>то по куче других областей (вроде ГАН'ов) вакухи есть строго в академии
Ты как-то отстал от жизни и рынка CV.
В забугорный RL без phd лучше всего вкатываться через инженера, а уже устроившись потихоньку дрейфовать в сторону ресерча. И всегда есть стандартный вариант с победой в соревновании.
В рф можешь пробиться в джетбрейнс, но хз, где они его применяют. Ещё рл курильщика есть в яндексе (всякие rl + nlp, а также рекомендации) и вроде как колесников что-то пытается делать.
>>2225313
Сложно собрать данные и сложно сделать это всё в риалтайме с подсчетом отжиманий, остальное должно быть не очень сложно.
Потыкай в mediapipe.
>уже устроившись потихоньку дрейфовать в сторону ресерча
А как по-твоему этот процесс может выглядеть? Устроюсь я в RL, как понимаю, на джуна инженера по самоуправляемым машинам. А куда дальше копать?
>(всякие rl + nlp, а также рекомендации)
Вот это мне интересно, но какие перспективы перекота в штаты с этим опытом?
>Ты как-то отстал от рынка CV.
А что ты имеешь в виду под этим?
> ты уже вроде приходил сюда с полгода назад.
не я был.
Практический смысл в попытке строгого описания ЭЭГ-сигнала для определенного действия и аугментации сэмплов этих действий, для дальнейшей классификации, так как у нас ужасно мало их. По второму пункту есть немало статей с использованием ганов, но куда лезть в ганы с 20 сэмплами максимум. Я бы попробовал записать хотя бы сотню сэмплов, но от моей головы вечно электроды отклеиваются.
>https://dsp.stackexchange.com/questions/7698/working-backwards-from-psd-to-possible-signal
Я вот вообще не понял, как там получилось то что получилось.
>Устроюсь я в RL, как понимаю, на джуна инженера по самоуправляемым машинам.
Сначала клепаешь готовые алгоритмы, пайплайны, распределенное обучение. Со временем просишься в ресерч. Условно идешь на research engineer в опенаи, потом внутри компании перевестись на research scientist будет проще. Слышал про то, что кто-то так укатился на ресерч в дипмайнд, но наверное тут всё слишком сильно зависит от конкретной конторы.
>но какие перспективы перекота в штаты с этим опытом
Хз, но подозреваю, что найти нужную позицию в россии и что-то полезное сделать будет сложнее, чем потом после этой позиции перекатиться в штаты.
>А что ты имеешь в виду под этим?
Каждая десятая вакансия по CV связана с ганами.
>>2225464
В таком формате звучит очень просто.
> Практический смысл в попытке строгого описания ЭЭГ-сигнала для определенного действия и аугментации сэмплов этих действий, для дальнейшей классификации
А ты точно знаешь, что это вообще имеет какой-то физический смысл? Я просто немного сталкивался с обработкой сигналов электрокожной активности и HRV (heart rate variability), так там специальные алгоритмы обработки сырого сигнала и затем анализ специфических фич, имеющих теоретическое обоснование, сырой сигнал не классифицируется, видимо с этого никакой пользы нет.
уебки
Я че подумал: на оп-пике типичная нейронная перемога, а ведь чтобы ее получить в-говне-моченые месяц жгли пачку мощнейних видеокарт, да деньги прыгучего кабанчика. Рили, миллионы и миллионы баксов это стоило. И это только чтобы зафитить финальную модель, сколько было сожжено на всякие неудачные эксперименты и просто ошибки? Какие-то баснословные деньжища нужны чтобы заниматься нейронками, и на практике мы видим что даже у сбера таких нет (иначе бы они уже что-нибудь выдали).
А теперь к делу.
Представили ебало дата газонюха у которого мммаксимум 3080? Я представил: оно как у тех челиков в Африке. Ну, которые ковыряются в поисках непереваренных кукурузин. Только этот еще дико орет Я МАТЕМАТИК!!!!
Ну вы же тут про какой-то "ресерч" говорите.
Типа пришёл такой после мухосранского бакалавриата и устроился в опенаи мл инженегром, лол, а потом ещё в ресерч отдел перевёлся.
Я даже не знаю, это в опенаи такой уровень ресерча, или на двачах уже совсем шизики одни остались.
симулятор лсд
Yes
No
заменить на 1 0 и т.п.
from sklearn.preprocessing import LabelEncoder
label_encoder = LabelEncoder()
integer_encoded = label_encoder.fit_transform(data['HeatingQC'])
print(integer_encoded)
Вроде нашел уже вот такую штуку, теперь вопрос можно ли мне их также сравнивать как обычные численные значения?
>250 Гц
поцык.жпг
Нет, правда, почему так? У вас там энцефалограф древний сколько сенсоров, кста? или просто настройки такие были? Алсо, почему в эксперименте только один ты подопытный? Типа пилотное исследование?
Ну допустим ты сигнал по каждому сэмплу разложил по системе каких-нибудь функций, коэффициенты запомнил. У тебя сэмплов 20. Что ты делаешь со всеми коэффициентами для каждого сэмпла? Усредняешь?
Последний вопрос, ты в пространстве сенсоров все это делаешь или хуячишь реконструкцию источников?
> У вас там энцефалограф древний сколько сенсоров, кста?
Точное название не помню, но это параша. Сенсоров 19.
> Алсо, почему в эксперименте только один ты подопытный?
Подопытных много, но с каждого не больше 20 сэмплов
Взяв 20 сэмплов, мы хотим смоделировать ЭЭГ хотя бы для индивидуума и аугментировать данную херню, потому что с первой записи по 20-ю человек устает, скажем так. Стало быть, нужно отследить это. сорян за сумбур, прощаюсь с осенью
Нет
Есть 20 сэмплов одного класса от одного человека и 20 сэмплов другого класса
Я аппроксимирую их РБФами
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.109.312&rep=rep1&type=pdf
Это не совсем то, о чем я писал до этого.
Короче, теперь я получаю аппроксиацию для конкретного человека и при надобности с добавлением шума аугментирую выборку.
В общем, пытаюсь избежать аугментацию ганами.
> DAILY PORTION OF REAL APPLICATIONS
https://www.youtube.com/watch?v=SlqP91oB53E
>Даже начинающие разработчики ИИ зарабатывают по $500 тысяч в год
Нихуя себе, это правда что ли? Если да, то вкатываюсь в эту вашу хуйню прямо сейчас.
Все зависит в первую очередь от конкретной конторы и во вторую от должности. Зарплата начинающего машобщика в штатах - $50-$250k в год в зависимости от конторы. Верхняя граница - это получить релевантный PhD и устроиться в FAANG, на что можешь не рассчитывать. Реалистично будешь иметь со старта сотку - не сильно больше, чем обычные кодомакаки.
>Можно ли претендовать на сотку + перекот/гринку в США, если в РФ у меня очень плохой GPA, но есть умеренной всратости гитхаб+условный год работы джуном
Нет, джуны никому нахуй не нужны. Перекатывают только сеньоров, и даже с этим куча проблем, поскольку рабочие визы ограничены.
Да. А вот техлид
https://youtu.be/PHdw0Uk_Lc4
DOLBIT NORMALNO
А у меня вопрос: какого хуя? Их модель обучалась на 80 миллиардов токенах, и дообучение в максимум 100к токенов так развернуло модель, что она начала хорошо писать сочинения.
Собственно сколько нужно новых данных или эпох, чтобы дать какую-то гарантию адаптации модели или собственно ее создания для новой задачи?
Пока я выдвинул две гипотезы:
- добыть дохуя данных по нужной теме, чтобы можно с нуля обучать модель
- много эпох на дополнительном датасете, чтобы заглушить слова вне тематики.
Где я неправ?
Я вот над МНИСТ-датой балуюсь, там у меня 100-200 эпох, в зависимости от конфигурации сети.
А с кошко-собаками?
Open AI построен на RL, а там еще прогрессу идти и идти. Там больше неизученного и неработающего, чем наоборот. Вот статейка https://habr.com/ru/post/437020/
До сих пор актуально
Нет, не нужно. Крайне поверхностно только. И про конволюшонал слои и про дроп-аут слои и прочее.
Важнее знать конфигурацию нынешних топ-сетей для решения задач и почему они выглядят так, а не иначе
Например, вот тебе VGG-19 для классификации изображений с объяснениями.
https://www.youtube.com/watch?v=IYxU985meTM
Сейчас там между двумя dense-слоями (либо между последним convolutional и первым dense) стоит dropout с коэффициентом 50%, но суть такая же
Ну гугл только это выдает
https://vowpalwabbit.org/
Насколько оно рабочее пока не ясно
Скоро будете обучать свои говноподелия на IBM Eagle 127qb.
Среди квантового хайпа уже давно перестало быть понятно, кто и что называет кубитами и квантовым компьютером. Понятно только одно: это совсем не то, что нам обещали деды 40 лет назад, говоря про КК. Скорее они переоткрыли аналоговые вычисления и пытаются их продать под квантовым соусом, т.к. инвесторам такой баззворд заходит.
Вот, кстати, хороший пример области, где реально нужна математика. Без понимания квантмеха там ничего не поймешь, а тот в свою очередь требует хорошей такой мат. базы и большого количества дрочьбы самой теории. Если бы КК взлетел, там был бы высочайший порог входа.
>>2228658
>>2228691
>>2228824
Полтора попыта "рассуждают" о квантовых вычислениях, лол. Квантовая логика это нечеткая логика, квантовый вычислитель это fuzzy inference system. На эту тему полно пейперов, например https://link.springer.com/chapter/10.1007/978-3-540-93802-6_20 где квантовая логика концептуализируется через нечеткую.
>пейперов
Какие еще пейперы, я кодомакака.
https://github.com/microsoft/NUWA
НУ ТЕПЕРЬ ТОЧНО ПРОРЫВ
Обещают ближе к выходным
Теперь прон с лолями можно будет еще и в видео формате делать, таки вин
Тысячелетней историей рабства, бесправия, военных отсосов... Да, уж лучше быть евреем.
https://www.youtube.com/watch?v=ulW0C9SJfDY
уебал бы ей в питак, если бы встретил на улице
Не пойму, это я что-то делаю не так, или реально нельзя востановить сигнал с заданной автокорреляцией лучше? В этот раз я пробую три метода, с шумом все более-менее норм, с автокорреляцией синуса +- тоже. А если случайные фазы вообще убрать, то результат выглядит даже лучше (но все равно не совпадает с оригиналом).
2 и 3 методы отсюда https://www.researchgate.net/post/How-do-I-generate-time-series-data-from-given-PSD-of-random-vibration-input
Код https://pastebin.com/JTVHubqf
Задача: распознавание написанных от руки цифр
>Кем работают люди, которые знают и математику, и программирование?
АНБшниками.
>Или они не работают?
Чаще не работают. Потому что если ты наконец-то стал математиком, то на какой хер тебе становиться инженером? Если ты стал инженером, то математиком ты уже не станешь даже при желании, хотя его тоже не будет. Таких людей практически нет.
>>2230432
>Ит депендс, в большинстве случаев, сравнима зп;
Не уверен.
>в части - выше у сатанистов
А я вот встречался только с высокими зп у мл-инженеров. У сосистов только в случае, если сосист_ка является ебабельной тянучкой на подсосе у кабанчика. В противном случае сосист - оператор екселя, над которым потешаются даже жс-макаки.
Тебя не смущает, что разные методы дают тебе разные акф?
Алсо, если ты сгенеришь два случайных сигнала этими методами и посчитаешь их акф, они будут отличаться для одного и того метода. Ну то есть акф у тебя зависит от случайных фаз. Да, я твой код для этого использовал
>Тебя не смущает, что разные методы дают тебе разные акф?
Методы мне не дают акф, методы дают случайный сигнал. Акф я потом считаю по этому сигналу и сравниваю с исходной.
>Алсо, если ты сгенеришь два случайных сигнала этими методами и посчитаешь их акф, они будут отличаться для одного и того метода.
Логично, я же об этом и написал.
>А я вот встречался только с высокими зп у мл-инженеров. У сосистов только в случае, если сосист_ка является ебабельной тянучкой на подсосе у кабанчика. В противном случае сосист - оператор екселя, над которым потешаются даже жс-макаки.
в российских офисах мб, если на зарубежного кабанчика ебашить, то ситуация наоборот. хотя в целом ситуация бывает печальная, даже ебаные дата-аналитики-дрочеры sql получают больше
Внимательно изучи это
https://scholar.google.com/citations?view_op=view_citation&hl=en&user=yP7euFUAAAAJ&cstart=300&pagesize=100&sortby=pubdate&citation_for_view=yP7euFUAAAAJ:UeHWp8X0CEIC
Эта студенческая поделуха - из самых цитируемых работ по экономике в мире.
Лол, я сейчас на бумажке эту задачу написал и охуел.
У тебя есть r0, r1, .., rn-1 - значения акф для смещений 0, 1,.. , n - 1. Нужно восстановить сигнал x1, ..., xn такой, что его акф была равна r0,..,rn-1. Так?
По определению, rk = x1 xk+1 + x2 xk+2 + .. + xn-k * xn, k = 0, .. , n-1. Получается система из n уравнений с n неизвестными, которая имеет действительные решения при ограничениях на rk.
Ну сам распиши эту хуйню для n = 2, r0 = 2, r1 = 1, например.
Хотя я может просто не улавливаю что-то совсем очевидно
Маняматик, но ведь "операторами экселя" тут называют именно маняматиков, которые грезили о новуке, маняматике и серьезном машобе, насмотревшись лекций Стэнфорда и выучив базовый инженерный матан, а в итоге борщ хлебают, или получили макакскую работу в лучшем случае около машоба, а так - буквально эксель перекладывают. В этом вся шутка. И тут мы получаем топорную попытку в маняперефорс от маняматика. Не позорься, придумай свой прикол какой-нибудь, ты ж маняматик, не хуй собачий, пральна?
https://www.kaggle.com/shayanfazeli/heartbeat:
В частности датасет с бинарной классификацией. В существующих решениях применяют просто cnn и получают свои 99.5%.
Я же хочу попытаться решить задачу проще. Вырезаю по-своему нужные участки по 40 отсчетов и пихаю в традиционные методы. Даже knn дает 91% на кросс-валидации. Если sklernовский mlp подкрутить, то доходит до 94.
А какие признаки я могу извлечь из сигнала, как на пике? Вряд ли же мне поможет спектр
Затем, что препод сказал без диплёнинга. Учиться извлекать признаки.
Я пока к двум пришел:
сумма значений на отсчетах, деленная на длину сигнала
корень из суммы квадратов значений на отсчетах, деленная на длину сигнала
>>2231548
> амплитуду
Думал об этом. Получается, тогда и нормализация не нужна.
Где-то читал, что Кармак в отпуске от нехуй делать на крестах писал нейронки и описывал свои ощущения от процесса, почитай это для начала.
> реализовывать все эти инструменты на плюсах
Оптимизатор по имени Адам имплементируй и забей.
Рандом форест это тривиал. Тогда уж Boost Tree делай.
Но всё это ребячество. Тебе не нужно знать точную механику работы низкоуровневых конструкций.
Посмотри любое видео про градиентный спуск (есть буквально в любом видео про мл для новичков) и тоже забей.
>Опять старое совковое гавно дрочит бесполезной теорией, вместо того чтобы решать задачи для бизнеса
>>2232250
чому так, зачем сейчас дрочить теорией?
ладно при совке не было бизнеса и можно было этим заниматься
Но сейчас то зачем в 2021? Тип остатки совоков передают так знания, что даже выпускники страдают такой херней?
Даже эта >>2229768 жирабубена в своих видео оговаривается, что ей теория более важна, чем практика
Вот етот поридж >>2232286 даже не понимает, что эффективней улучшить точность и дать это бизнесу, чем просто бесполезно "учится извлекать признаки"
>человек идет в универ, чтобы получать знания для будущей работы
Нет, человек идёт в универ, чтобы развивать свои высшие когнитивные функции, нужные ему для исследовательской деятельности.
А чтобы получать знания для работы, человек идёт в пту.
Другое дело, что в эпоху абразавания по Фурсенко нам нужны "не творцы, а профессиональные потребители", отсюда и средний уровень "высшего" образования ниже, чем в совковых пту. Отсюда же и "кейс-стадиз" вместо фундамента.
>>2232313
>чому так, зачем сейчас дрочить теорией?
Тебя дрочить теорией не имеет смысла.
>ладно при совке не было бизнеса и можно было этим заниматься
Именно, профессиональные потребители не были нужны в клятом совке.
>Но сейчас то зачем в 2021? Тип остатки совоков передают так знания, что даже выпускники страдают такой херней?
Надеются хотя бы одного творца воспитать. Но тщетно, конечно.
>Даже эта >>2229768 жирабубена в своих видео оговаривается, что ей теория более важна, чем практика
Не знаю, какая ей там теория может быть важна, если она обещает за полгода сделать из "школьника" специалиста.
>Вот етот поридж 2232286 (You) даже не понимает, что эффективней улучшить точность и дать это бизнесу, чем просто бесполезно "учится извлекать признаки"
А ещё эффективнее для тебя научиться писать import tensorflow as tf и считать себя крутым интеллектуалом-айтишником, в отличие от тупых совковых профессоров маняматики.
Если ли смысл вкатываться в 4-20 лекцию? Какие из них пригодятся?
Придумываю сам или переписываю чужой код. Стараюсь сделать свой датасет чтобы было интересно, из-за чего приходится почитывать preprocessing в data scinence. Вводные беру откуда угодно: что из прогноза погоды, что из выписок по продаже товаров, что из цен на ацкии Эппл. Думаю по шаблонам научиться делать упрощенное прогнозирование. В Интернете готовые сеты почти всегда картиночки или символы на распознание, но я интересуюсь автоматизацией бизнес процессов, а не генерацией аниме эмодзи жоп.
Палю годноту, от которой ты точно загрустишь и выкатишься:
>Mashinnoe_obuchenie_algoritmy_dlya_biznesa_2019_Markos_Lopez_de_Prado.pdf
Краткий конспект :
- Я, Маркос Лопес де Прадо - самый охуенный
- Гугл с Амазоном - дно, а вот мы наебываем американскую военщину в лаборатории и вместо ядерного оружия считаем нейроночки вот уже 20 лет как.
- у вас нихуя не заработает, таков рыночек
- нельзя просто прибежать с нейроночками или своими крутыми наработками в обычном бизнес
- кое-то что у нас все-таки работает, но стратегии рано или поздно спиздят. поэтому постоянно нужны новые и цикл разработки стратегий
- вследствие этого, разработка МЛ в финансах стоит как самолет и требует минимум 20 разноплановых специалистов.
- конкретных стратегий, разумеется, не спалю
- так и быть, вот и вам, задротикам, немного математики. все равно у вас нет суперкомпьютера.
> развивать свои высшие когнитивные функции
Ты этим должен был заниматься дома и в школе. Если у тебя к 17-18 годам не развились когнитивные функции, то лучше уже не станет. Ах да, в 25 лет у твоего мозга будет пик, а потом необратимый неостановимый медленный спад
>Mashinnoe_obuchenie_algoritmy_dlya_biznesa_2019_Markos_Lopez_de_Prado.pdf
А ты хорош! Первая ссылка в Яндексе. Почитаю. Немного орнул с описания книги. Тащемта американские авторы еще те евреи. Все у них в жидовских штатах Америки поделено и ни у кого кроме них не получится потому что они так решили. И конечно же, любой пук кпонподавов должно обслуживать 20 макак за еду, а не 5 специалистов. А еще на заборе хуй пишут, но я его там не видил.
СЛАВА БОГУ ЧТО Я ЖИВУ В РОССИИ А НЕ В АМЕРИКЕ СЛАВА БОГУ
Мимо 3 курс мехмата тян.
BASED
/THREAD
Впрочем чего ещё ожидать и чему удивляться. МЛП без конволюшен слоёв это хуйня, а если с ними, то это отсос, если у тебя нету 3090Ti. Учитывая, что цены на электронику в ближайшие годы вряд ли будут снижаться, звезда нейросетей скоро закатится так толком и не взойдя...
> ЭС петух пытается обратить на себя внимание
Курс выглядит как сильно порезанный учебник бишопа.
Лучше вкатывайся в курс от одс, а потом уже смотри, нужен ли тебе теоретическая дрочка или нет.
>>2233205
https://github.com/FortsAndMills/RL-Theory-book
Из курсов сначала practicalRL, потом курс от deeppavlov и/или cs285.
Параллельно можно тыкаться в статьи из spinningup.openai.com и листать саттона-барто.
Резольвента
Конъюнктивная нормальная форма
Парамодуляция
Где? Вот же он >>2232860
> > Отвлекитесь на минуту от срачей, это оч важно!!!
> > Оказалось, что модель генерации изображений, ruDALL-E от сбера предвзято относится (bias, biased) к трансгендерным людям! На пикче первый образец слева - реальный, остальные - закраска (inpainting) трансфобной моделью от уебана Алекса Шоненко. Как они так умудрились тренировать МЛ модель, что она теперь не может даже допустить мысли, что женщина может обладать членом??? Это женский пенис, бигот, что - не знал что бывает такое??? ruDALL-E = гомо/трансфобная ёбань как и вся отсталая (backward) Россия.
> > Это явное нарушение общепринятой этики искусстенного интеллекта (AI Ethics), которая требует равного отношения к разным людям и меньшинствам. Да и просто плевок в душу прогрессивной ЛГБТ публике. Давайте кенселить трансфобную сволочь. Мы должны добиться увольнения шовинистских и биготных (bigoted) гнид из Sber-AI.
все зависит от взглядов экспертов
когда нейронов сама может осознать что если хуй то не обязательно мужской
то ЭС если забивал трапофоб то она будет такая же трапофобная
шах и мат операторы пролога
Формулируйте нормально : вместо Акинатор - интерактивный алгоритм решающего дерева оптимизированного по критерию Джини.
Тогда вас все поймут сразу.
При чём тут вообще ЭС?
Бля, да заебали короче. Существует принципиально два направления ИИ - коннективизм и символизм. Коннективизм это короче соединение малых вычислительных модулей в большие. Самым известным примером коннективизма являются эти ваши нейронки. Символизм это короче символьные преобразования согласно алгебре логики. Исчисление предикатов, продукционная модель, правила, факты, инженерия знаний, вот это всё. По хорошему здесь в этом ИТТ нейронкам пытаются противопоставлять именно символизм, но всё время заменяют это длинное слово на самый популярный пример символизма - Экспертные системы. В широком смысле акинатор экспертной системой возможно не является, но он тем не менее точно относится именно к символизму.
мимо к.т.н.
https://www.youtube.com/watch?v=5cQ6sw8ipos
Анончики, а знает кто нормальную готовую модель для категоризации текста? Мне для пруф оф концепт нужно, точность любая хоть сколько нибудь с реальностью перекликающаяся.
https://github.com/topics/text-categorization
Еще в матлаб такое видел
>Спрашивай совсем базовые вещи
Собственно вопросы которые меня ну очень волнуют:
> линейную алгебру, теорвер, матстат, базовый матан и matrix calculus
Как это все освоить без универа? 3-4 курса на Coursera + KhanAcademy это заменят?
Есть тут такие кто самостоятельно вкатывается в ML?
Хотя по мат анализу + линалу + аналитической геометрии читал лекции на mathprofi.ru (почти прошел все из колонки первого курса, и примеры от туда решал, да). Хватит такой базы?
И вот еще вопрос:
Почему я все время на русскоязычных форумах вижу что все только и говорят о том что без профильного физтеха нет смысла соваться, а вот например на machinelearningmastery, Jason Brownlee PhD пишет что можно идти сверху вниз спокойно, сначала пощупать алгоритм, затем математика и далее по аналогии.
Кому верить то?
Это такая особенность СНГ или блин что вообще происходит? Почему у наших подход один, а за рубежом вроде как другой, хотя вроде математика и алгоритмы во всем мире одинаковые.
сейчас куда важнее уметь строить и обучать модельки, чем вся это матиматическая срань.
даже в треде есть примеры, чел может в линейную алгебру, но не знает как выстроить задачу и построить модель
>Почему у наших подход один, а за рубежом вроде как другой
Тому что в СССР не было бизнеса и все замыкалось на теорию, что логично, хуле им еще делать то
На западе все заточено на получение прибыли и на бизнес, которому похуй на все эти теории, главное сможет ли модель распознать есть ли на челеке спецодежда/на сколько пусты товары на полках/какая цена акций будет завтра и т.д.
>Это такая особенность СНГ или блин что вообще происходит? Почему у наших подход один, а за рубежом вроде как другой, хотя вроде математика и алгоритмы во всем мире одинаковые.
За пидорахенский дроч на маняматику пояснили еще в прошлом треде:
Это прекрасно. Но тогда встает крайне сложный вопрос: а какого же хуя тогда скотоублюдия просасывает огроменный китайско-пиндосский хуй в "науке" ML, если у нас строгая подача материала с математикой, фундаментальный подход, а не веселые тыканья в кнопочки?
Быть может, математика в ML нужна чисто как инструмент, который не нужно излишне дрочить, и пиндосы с чингчонгами это понимают? Быть может, все смеются с пидорах-машобистов, которые возомнили себя неибацца маняматиками? Быть может, крен в сторону математики в скотоублюдии связан с тем, что имеет место многолетняя совково-пидорашья традиция; в условиях полного отсутствия адекватного CS-образования и наличия сильного математического образования - пихать везде математику, потому что другое просто у нас не умеют (совковый высер ВМК как пример)?
Нет, что же я такое говорю. Вперед Роисся! Наш подход - лучший подход епту блеаа!!
>>2235695х
Дружище, хорошо было бы, если пидорахи только "проморгали нейрореволюцию". Только, увы, пидорахи-совки проморгали не просто "нейрореволюцию", а проморгали полностью CS как область научных исследований, потому что в рабочерасстреляндии издавна решили, что готовить специалистов в CS - это что-то готовить недомехматян, и эта традиция до сих
пор жива. Пиндосы читают лекции, не углубляясь в математику, и их выпускники почему-то строчат исследования и статьи по ML, как ебанутые, пока наши пидорахи читают курс теории колец ануса 3 года, а потом переходят на последнем курсе к машобу уровня детских подготовительных курсов при пиндосском вузе.
Или почему нужно полностью переучиваться математике после вуза
1. ЧИСЛА НЕ ЦЕЛЫЕ
Задачи в школе и вузе - далеки от реальности, это просто головоломки, чтобы занять детей, чтобы дети не мешали взрослым. Поэтому числа - целые, чтобы легко и приятно провести время.
В профессиональной же математике числа, в основном, - не целые, вещественные, с мантиссой и порядком. Типа 1,2345 или 8,72*10^7.
Это вызывает шок у ребенка, окончившего школу и вуз, особенно математические классы и специальности. У детей нет никакого опыта в округлении чисел, в понимании, сколько знаков после запятой оставлять, в поддержании уровня точности чисел при вычислениях различных типов.
Теорема Виета? Решение квадратного уравнения с четным вторым коэффициентом? Решение кубического уравнения через множитель свободного члена? - поражает подлость по отношению к детям - детей учат всякой фигне, основанной на целых числах, которая в реальной жизни точно не встретится.
2. НЕТ ПРОИЗВОДНЫХ И ИНТЕГРАЛОВ
В профессиональной математике не используют производные и интегралы. Вместо этого используют РАЗНОСТИ и СУММЫ.
Дело в том, что 99 % реальных функций - разрывны в каждой точке. Поэтому аппарат производных/интегралов полностью не применим.
Функции в реальных задачах «заданы таблично»:
- зависимость показания датчика от времени (напряжение считывается с датчика с равным шагом по времени);
- звук (тоже зависимость напряжения от времени, дискретизированная скажем с частотой 44,1 кГц)
- изображения, дискретизированные по пикселам (функция двух переменных, заданная таблично);
- курсы валют;
- результаты проведения экспериментов с варьированием параметров на нескольких заданных уровнях, и т.п.
Если вы владеете способами вычисления производных и интегралов - это никак не поможет вам в математической деятельности. Это тупиковая ветвь математики. А вот если вы не владеете способами вычисления конечных разностей - ни одну реальную математическую задачу вы не решите.
Правила вычисления разностей - совершенно другие, чем для производных. Например, для многих функций (особенно сложнейших функций, типа курса валюты - мультимасштабно-персистентных с большим случайным разбросом) разность dy существенно зависит от промежутка dx, на котором берется – а не просто пропорциональна dx, как для производных. Поэтому огромный опыт нужен в выборе правильных разностей и способах их вычислений.
3. НЕ ИСПОЛЬЗУЮТ РАВЕНСТВА
В профессиональной математике стараются не использовать концепцию равенства «=». Равенства не бывает в природе, это математически противоестественно. Можно говорить либо о «больше» и «меньше», либо о динамическом балансе, к которому стремится система.
В математическом аппарате не стоит использовать уравнения, системы уравнений. Это делает математический аппарат жестким, требующим обратного решения (которое гораздо сложнее и менее обосновано, чем прямое), и дает единственный ответ с сомнительной практической ценностью. Вместо этого есть методы, имитирующие динамический баланс в системе (о таких методах я подробно расскажу в 5 ... 7 разделах).
Особенно смешно, когда решив задачу пишут такой ответ: «Ответ: х = 4». Это бред. В математике нужен не точечный, а интервальный результат, например, «оптимальное значение x от 3,2 до 4,4». Дело в том, что любая система реагирует на внешние условия. И изменяет свои параметры в широких диапазонах. Поэтому точечный ответ бесполезен - он не отражает динамических особенностей системы. Всегда нужен оптимальный диапазон - в каких пределах могут меняться параметры, чтобы система продолжала оставаться эффективной.
4. ИСПОЛЬЗУЕТСЯ ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА ПО МАКСИМУМУ
В школе запрещают пользоваться даже калькулятором. Это бесконечная подлость по отношению к ребенку.
Последние 70 лет вся настоящая математика ориентирована не просто на компьютеры, а на максимум вычислительных возможностей - на суперкомпьютеры, облачные вычисления. Это называется Hi-End-математика, когда задачи ставятся и решаются на пределе возможностей современной вычислительной техники.
5. МАТЕМАТИК САМОСТОЯТЕЛЬНО ФОРМУЛИРУЕТ СЕБЕ ЗАДАЧИ
В школе и вузе к детям относятся как к глубоко умственно отсталым людям. Детям дают ГОТОВЫЕ задачи и требуют их решения.
Математика заключается совсем в другом! Математик НЕ РЕШАЕТ задачи - для этого у математика есть готовые технологии, очень простые, быстрые и надежные, которые автоматически решают задачи. Математик - это тот, кто ФОРМУЛИРУЕТ задачи.
«На вход» к математику поступают проблемы из самых разных областей. Работа математика в том, чтобы свести проблему к нескольким простым математическим задачам, которые уже легко решается отработанными методами. Чем профессиональнее математик, тем к более простым и быстрорешаемым задачам он может свести проблему.
6. ЗАРАНЕЕ НИЧЕГО НЕ ИЗВЕСТНО О ЗАДАЧЕ
Еще один способ обыдления детей в школе и вузе. Детям дают заранее продуманные задачи!
В реальной математической деятельности заранее ничего не известно о задаче:
- заранее не известно, какими методами решать задачу;
- заранее не известно, решится ли задача вообще, или для получения результата нужно решать совсем другую задачу.
- исходных данных гораздо больше (в 10..10000000 раз) или меньше (обычно вообще нет), чем нужно.
7. СТОПРОЦЕНТНОСТЬ
Учебные задачи не обязательно решать на 100 %. Вы все равно получите пятерку, даже если решите 90 % задач. Вы можете решить половину задач на экзамене ЕГЭ, многие не до конца, и все равно это будет аналог пятерки.
В реальной же математике любая нестопроцентность означает срыв проекта. Пока не будут решены 100,000 % задач - математик не сдаст проект и не получит деньги.
Казалось бы, маленькая разница между 90 % и 100 %. На самом деле эти 10 % - это самое сложное, в 10 раз сложнее остальных 90 %, и требует в 10 раз больше времени. Поэтому нужен грандиозный опыт и огромное количество сил, чтобы довести математический проект до конца, до 100 %.
Поэтому дети после школы и вуза непригодны для математической деятельности - они способны просто занимать деятельностью, но не умеют получать завершенные результаты. Нужны долгие годы, чтобы человек этому научился.
8. ЗАДАЧИ НЕ ОБРАТНЫЕ, А ПРЯМЫЕ
В школе и вузе извращена постановка математических задач. Обычно задача ставится в обратном виде: «дано» - «найти».
Реальные же задачи ставятся в прямом виде: «найти» - «дано», если более подробно: «подобрать параметры так, чтобы выполнялось условие». Такая постановка задачи математически более естественна.
Например, в школе задачу поставили бы так. «Определить площадь паруса в форме треугольника со сторонами 5, 6, 8, м». В реальной математике задача была бы сформулирована так: «Площадь паруса должна быть 35 м2. Какую он должен иметь форму и какие геометрические параметры?».
9. НЕЛЬЗЯ, РЕШИВ ЗАДАЧУ, ОСТАНОВИТЬСЯ НА «ОТВЕТЕ»
В учебной математике решение задач заканчивается ответом: «Ответ: х = 4». Это полное нарушение мышления.
Вся реальная математика начинается ПОСЛЕ «ответа». Само по себе решение задачи не имеет никакой ценности. Важен следующий этап - многократное решение задачи с различными входными параметрами. Этап исследования.
На этапе исследования делают три вещи:
- выявляют закономерности (как каждый входной параметр влияет на результат)
- ищут оптимальные параметры, чтобы ответ был как можно лучше и стабильнее
- готовят материалы для быстрого прогнозирования (например, таблицы, номограммы), чтобы в дальнейшем не решать задачу снова, а сразу определять «ответ» по набору исходных данных.
10. НИКАКИХ ДОКАЗАТЕЛЬСТВ И ВЫВОДОВ
В школе и вузе, используют много доказательств и выводов, чтобы детей подольше занять чем-нибудь. Это прикольно, имитирует какую-то логику и стройность учебного математического аппарата. Но это полный бред!
Все, что нужно доказывать, - нельзя использовать в серьезной деятельности ни в коем случае! Это мутный математический аппарат, ненадежный.
Математический аппарат должен работать, как автомат Калашникова, на 100 %. Только тогда получаются настоящие программы, смартфоны и компьютеры, только тогда летают ракеты в космос.
Все, что реально используется в профессиональной математике - во-первых, математически естественно, поэтому нет смысла что-то доказывать. Во-вторых, основано на грандиозном опыте успешного применения, поэтому тоже не требует каких-то доказательств. В-третьих, доказывать некому, сам математический аппарат не интересует потребителей математики; их интересует конечный результат.
11. ЕДИНСТВЕННЫЙ МЕТОД РЕШЕНИЯ
Чтобы подольше занять детей в школе и вузе используют несколько методов решения одной и той же задачи. Это прикольно. Но не профессионально и не научно.
В профессиональной математике - каждый класс задач решается одним единственным методом. Еще лучше, когда самые разнообразные задачи решаются одним и тем же универсальным методом.
В арсенале профессионального математика есть около 20 методов, с помощью которых можно выполнить любой математической проект, максимальной сложности. Чем меньше методов у математика – тем выше математический профессионализм, тем более фундаментальный математический аппарат.
12. ЧИСЛЕННЫЕ МЕТОДЫ ВМЕСТО АНАЛИТИЧЕСКИХ
В школе и вузе детям навязывают аналитическую математику вместо численной. Это подло.
Проблема в том, что аналитическими методами нельзя решить в принципе 99 % встречающихся в реальных задачах уравнений, интегралов, дифференциальных уравнений и т.п.
В то же время 100 % реальных задач решаются численными методами.
Поэтому естественно, что профессиональные математики используют то, что всегда надежно работает, вместо прикольного, но мутного математического аппарата.
13. ПРОСТОТА И СКОРОСТЬ ВМЕСТО ГРОМОЗДКОСТИ
В школе математика должна быть максимально громоздкой, чтобы подольше занять детей.
В профессиональной математике - математические методы должны быть максимально простые и понятные. Только тогда их можно скомбинировать, чтобы решить огромный и сложный математический проект.
Чем проще математический аппарат - тем надежнее будет работать создаваемая математиком программа, электронное устройство.
Чем быстрее в реализации математические методы - тем больше работы успеет математик сделать за месяц, тем выше получится его зарплата.
14. МОНОТОННОСТЬ
Занятия в школе и вузе должны проходить весело, чтобы дети не потеряли концентрацию внимания. Поэтому детям каждый день рассказывают новые темы. Новое-новое-новое.
В реальной математической деятельности приходится делать одно и то же. Каждый день, много раз. 99 % людей с исковерканной психикой после школы и вуза - к этому не способны.
В этом заключается математический профессионализм - как наиболее эффективно организовать монотонную однотипную деятельность.
Ну во первых, спасибо за ответ, конечно.
>пидорахенский дроч на маняматику пояснили еще в прошлом треде
пойду поищу
А километровые интегралы и пределы которыми так пугают (сам не учился, но наслышан) на мех. мате значит в ML решать не приходится? Ну есть же задачи где это надо или я жил во лжи?
Ну вот хочу я заниматься прикладным ML и только. Не открывать что то новое в области а решать прикладные задачи. Ну уметь самостоятельно реализовать все эти KNNы, линейные регрессии и все такое прочее, ну или что там еще делать приходится.
>>2235698
А как же Yandex? В нем же еще есть какая то наука, не так ли? Я вот пару дней назад смотрел на ютубе "чем живет яндекс", они в какой то кампус в США отправили своих марсоходов еду развозить. Или это все туфта и никакой не прорыв? Или перевод закадровым голосом видео в браузере.
Я просто понять хочу.
>>2235713
А может кто нибудь еще посоветовать годный курс по статистике и терверу? А то все кто на русском на всяких форумах что предлагают это учебники лохматых 60-70х годов, типа это самое годное что есть. Ну не больной ли народ? И вот в таких ситуациях я реально начинаю загоняться и дебилом себя чувствовать.
По тому что изложение там часто такое что ничего понять невозможно.
>а какого же хуя тогда скотоублюдия просасывает огроменный китайско-пиндосский хуй в "науке" ML
Хуя даун, ты правда такой даун, что не понимаешь ответ? Насасывает скотоублюдия потому и только потому, что ML = Видеокарты, много-много видеокарт. У пиндосов есть деньги (печатают) и могут позволить себе видеокарты. Чингчонги их делают, тоже могу позволить. Все остальные сосут.
ну вообще то мы насасываем вообще у всех, даже в топ 15 не входим отчет стенфорда
https://aiindex.stanford.edu/wp-content/uploads/2021/11/2021-AI-Index-Report_Master.pdf
Пидораш, да не рвись ты. Опять пиндосы с видеокартами говно в штаны пидорах подбросили. У вас головные вузы по объему статей по CS, ML в Q1 журналах проигрывают вузам Пакистана и Вьетнама. А, ну да, "аряя, а вы на рейтинги не дрочите", ору. Пидорюндель, видеокарточки уже имеются, а пидорашья-совковая традиция осталась, поэтому говно и жрете.
>>2235823 (OP)
>>2235823 (OP)
>>2235823 (OP)
>даже в треде есть примеры, чел может в линейную алгебру, но не знает как выстроить задачу и построить модель
Это я лол. Один семестр были основы линейной алгебры, так что вкатился за пару недель в нейроматан. Все потому что теории в инете дохуя, ну и я быстро учусь, а прикладных примеров нейросетей мало. Приходиться читать литерали ноунеймов из интернетов и умельцев предсказывающих курс криптовалют через сетки. Срачи на счет применений отдельных видов сетей до сих пор не угасают. Особенно хуево что большинства различие в точности дотигает 5-15%, и по-сути однохуйственно через какую делать лишь бы не обосраться.