Video

валера..кончай...ты устарел....прокастренируй....или ав тесты продвигай...аудиторию найдешь..ну еще ударься в образование...или инфоцыганом стань...

Важный гусь) Интересная подача)

Мне кажется человек ничего не знает об Экселе. В Экселе можно строить прекрасные дашборды.

Организаторы могли бы и звук настроить.

Спасибо!

Какая прекрасная девушка😍

t + lshift

Не уверен, что фиктивные переменные - действенный способ, объясняю почему: Представим, что я нейронная сеть, в каком-то смысле это так, но я гораздо умнее примитивных нейронных сетей, воспринимающих многие явления слишком буквально. Но все же, предположим, что я нейронная сеть и у меня перед глазами столбец заполненный буквами "М" и "Ж", я не знаю, как с ними работать, можно попробовать представить, что "М" - это 1 , а "Ж" - это 0, и меня просят узнать сколько в моем датасете мужчин провело транзакции, я смело отвечаю, что 500(например)(ЗЫ. женщин там 800), когда же меня просят узнать сколько в нем женщин я говорю, что ноль.НОЛЬ. Предположим, что "Ж" мы обозначим числом 2, тогда я скажу, что женщин 1600, что тоже не верно. Я примерно представляю как решить эту проблему, если явно выражена дихотомия("черное, белое", "да, нет" ,"М,Ж" итд.), можно использовать нотацию 1 и -1, 2 и -2, 3 и -3, и производить определенные математические манипуляции в зависимости от количества таких категорий в РАЗНЫХ столбцах, например если обожначить "Ж" через -1 то мы получим изначально -800 женщин, но по абсолютному значению, можно получить 800, можно было бы и в первом случае просто поделить на два, но я умная 35 летняя биологическая нейросеть, которая догадалась(и то сомневаюсь в энергоэффективности подобного подхода) аш в конце собственного коммента, что говорить, о нейросети примитивной абстрактной с очень ограниченным количеством нодов.

Классный выпуск! Спасибо за такого спикера :)

Каааайф, очень интересно!!

/docker

Анаконда фуууу

ееее) наконец то! лайк

Спасибо большое!

есть сам датасет или же может ссылка на гитхаб?

спасибо

Здравствуйте! Где можно взять ссылку на датасет?

Старайтесь, ребята! У вас все получится!

1) Что такое глубокое обучение так и не рассказали. 2) "Нейросети" ничего не показывают, а подают на вход. Правильный ответ подают в функцию ошибки. 3) Сеть ничего не настраивает, это какая-та дифференцируемая функция, которая пересчитывает градиент ошибки. Параметры настраивает метод оптимизации. 4) Необходимая база - это не рассказ про мозг, а про сведение задачи обучения к задаче оптимизации. 5) Машина Тьюринга - это абстрактный вычислитель, никто не пытался всерьёз его реализовать и вычислять на нём что-то. 6) Квадратичный рост тоже "быстрее чем линейный". 7) Что такое "список задач" в вашем определении детерминированности алгоритма? 8) Что за "обходной путь в Реснете"? Там суть в том, что преобразования выглядят как y = f(x) + x, а не y = f(x). И эта идея была ещё в работах ЛеКуна прошлого века.