Как теорема Цыбенко связана с многослойным перцептроном (MLP)?
Anonymous Quiz
61%
Утверждает, что MLP может приблизить любую функцию, если есть достаточно нейронов в скрытом слое
18%
Гарантирует сходимость любого алгоритма обучения для MLP
21%
Устанавливает ограничение на количество скрытых слоёв, необходимых для конкретной задачи
✍️ Воскресный разбор задач
Сегодня рассмотрим одну задачу, которая поднимает любопытный вопрос.
🔹 При выполнении кода np.array(0) / np.array(0) Python выдаст предупреждение о делении на ноль и вернёт nan (Not a Number). Это стандартное поведение для таких операций.
🔹 При выполнении операции целочисленного деления np.array(0) // np.array(0) Python также сгенерирует предупреждение, но выведет ноль. Это не совсем нормальное поведение. И разработчики NumPy об этом знают.
В репозитории проекта существует issue с описанием проблемы. Автор поясняет, что целью было реализовать поведение при делении на ноль у целых чисел, у которых нет nan. Было решено просто взять рандомное значение (0) и возвращать его вместо nan. Однако, по мнению автора, это может порождать неожиданные проблемы, так как отловить ошибку становится затруднительно. С ним, впрочем, другие члены команды не согласны. Issue открыт до сих пор. Поэтому единственный выход — помнить о таком исключении.
#разбор_задач
Сегодня рассмотрим одну задачу, которая поднимает любопытный вопрос.
🔹 При выполнении кода np.array(0) / np.array(0) Python выдаст предупреждение о делении на ноль и вернёт nan (Not a Number). Это стандартное поведение для таких операций.
🔹 При выполнении операции целочисленного деления np.array(0) // np.array(0) Python также сгенерирует предупреждение, но выведет ноль. Это не совсем нормальное поведение. И разработчики NumPy об этом знают.
В репозитории проекта существует issue с описанием проблемы. Автор поясняет, что целью было реализовать поведение при делении на ноль у целых чисел, у которых нет nan. Было решено просто взять рандомное значение (0) и возвращать его вместо nan. Однако, по мнению автора, это может порождать неожиданные проблемы, так как отловить ошибку становится затруднительно. С ним, впрочем, другие члены команды не согласны. Issue открыт до сих пор. Поэтому единственный выход — помнить о таком исключении.
#разбор_задач
🤖 Напоминаем, что у нас есть еженедельная email-рассылка, посвященная последним новостям и тенденциям в мире искусственного интеллекта.
В ней:
● Новости о прорывных исследованиях в области машинного обучения и нейросетей
● Материалы о применении ИИ в разных сферах
● Статьи об этических аспектах развития технологий
● Подборки лучших онлайн-курсов и лекций по машинному обучению
● Обзоры инструментов и библиотек для разработки нейронных сетей
● Ссылки на репозитории с открытым исходным кодом ИИ-проектов
● Фильмы, сериалы и книги
👉Подписаться👈
В ней:
● Новости о прорывных исследованиях в области машинного обучения и нейросетей
● Материалы о применении ИИ в разных сферах
● Статьи об этических аспектах развития технологий
● Подборки лучших онлайн-курсов и лекций по машинному обучению
● Обзоры инструментов и библиотек для разработки нейронных сетей
● Ссылки на репозитории с открытым исходным кодом ИИ-проектов
● Фильмы, сериалы и книги
👉Подписаться👈
Forwarded from Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
🧮📐 15 гениев, которые изменили мир математики навсегда
В нашей новой статье читайте о том, как 15 величайших математических умов в истории, от древнегреческого гения Фалеса до современного революционера Мандельброта, своими открытиями в алгебре, геометрии, теории чисел и других областях навсегда изменили облик математики и мира.
🔗 Читать статью
🔗 Зеркало
В нашей новой статье читайте о том, как 15 величайших математических умов в истории, от древнегреческого гения Фалеса до современного революционера Мандельброта, своими открытиями в алгебре, геометрии, теории чисел и других областях навсегда изменили облик математики и мира.
🔗 Читать статью
🔗 Зеркало
Хардкорный курс по математике для тех, кто правда любит математику!
Начать с вводных занятий можно здесь, ответив всего на 4 вопроса – https://proglib.io/w/b65f863d
Что вас ждет:
– Вводный урок от CPO курса
– Лекции с преподавателями ВМК МГУ по темам: теория множеств, непрерывность функции, основные формулы комбинаторики, матрицы и операции над ними, градиентный спуск
– Практические задания для закрепления материала и ссылки на дополнительные материалы.
⚡️ Переходите и начинайте учиться уже сегодня – https://proglib.io/w/b65f863d
Начать с вводных занятий можно здесь, ответив всего на 4 вопроса – https://proglib.io/w/b65f863d
Что вас ждет:
– Вводный урок от CPO курса
– Лекции с преподавателями ВМК МГУ по темам: теория множеств, непрерывность функции, основные формулы комбинаторики, матрицы и операции над ними, градиентный спуск
– Практические задания для закрепления материала и ссылки на дополнительные материалы.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Библиотека дата-сайентиста | Data Science, Machine learning, анализ данных, машинное обучение
🐍🗺️ Геокодирование для Data Scientists: вводное руководство с примерами
Может возникнуть ситуация, когда набор данных содержит адрес, но широта и долгота отсутствуют. В этом случае первым шагом для дополнения данных будет добавление этой пары координат. Этот процесс преобразования адреса в широту и долготу называется геокодированием.
В новой статье разбираем три различных способа геокодирования с помощью Geopy.
🔗 Читать статью
🔗 Зеркало
Может возникнуть ситуация, когда набор данных содержит адрес, но широта и долгота отсутствуют. В этом случае первым шагом для дополнения данных будет добавление этой пары координат. Этот процесс преобразования адреса в широту и долготу называется геокодированием.
В новой статье разбираем три различных способа геокодирования с помощью Geopy.
🔗 Читать статью
🔗 Зеркало
Для чего используют gradient clipping (обрезку градиентов) при обучении DL-моделей?
Anonymous Quiz
53%
Чтобы предотвратить слишком сильный рост градиентов и несходимость модели
18%
Для снижения вычислительных затрат на расчёт градиентов
10%
Чтобы стимулировать рост градиентов и ускорить сходимость
19%
Чтобы предотвратить переобучение
✍️ Разбор задач прошедшей недели
1️⃣ У нас были два вопроса по np.nan. Давайте поясним, что это вообще такое.
NaN — это сокращение для Not a number. Это значит, что np.nan применяют для обозначения нечисловых значений. В NumPy nan имеет тип данных float. Его можно использовать как заглушку для значений в массиве, если для вас неважно, каким было оригинальное значение.
▪️np.nan не равно себе же. Выражение np.nan == np.nan всегда будет возвращать False. Поэтому в некоторых случаях следует пользоваться функцией np.isnan().
▪️Любая арифметическая операция с np.nan будет возвращать np.nan.
2️⃣ В этой задаче была допущена банальная синтаксическая ошибка. Для доступа к элементам списка следует использовать квадратные скобки. Правильной записью была бы такая: print(phrase[0]). И вывела бы она 'Добрый день'.
Нередко именно такие глупые ошибки могут стать загвоздкой и мешать вашему коду корректно исполняться 👾
#разбор_задач
1️⃣ У нас были два вопроса по np.nan. Давайте поясним, что это вообще такое.
NaN — это сокращение для Not a number. Это значит, что np.nan применяют для обозначения нечисловых значений. В NumPy nan имеет тип данных float. Его можно использовать как заглушку для значений в массиве, если для вас неважно, каким было оригинальное значение.
▪️np.nan не равно себе же. Выражение np.nan == np.nan всегда будет возвращать False. Поэтому в некоторых случаях следует пользоваться функцией np.isnan().
▪️Любая арифметическая операция с np.nan будет возвращать np.nan.
2️⃣ В этой задаче была допущена банальная синтаксическая ошибка. Для доступа к элементам списка следует использовать квадратные скобки. Правильной записью была бы такая: print(phrase[0]). И вывела бы она 'Добрый день'.
Нередко именно такие глупые ошибки могут стать загвоздкой и мешать вашему коду корректно исполняться 👾
#разбор_задач
В модели Transformer какой компонент использует multi-head self-attention?
Anonymous Quiz
26%
Энкодер
21%
Декодер
46%
Оба
6%
Ни один