Решение крупномасштабных задач машинного обучения на Python
В этой статье автор предлагает воспользоваться библиотекой xLearn. На текущий момент она поддерживает три алгоритма машинного обучения: линейную модель (linear model, LR), машину факторизации (factorization machine, FM) и машину факторизации с учетом полей (field-aware factorization machine, FFM). Вы сможете рассмотреть каждый из них по отдельности:
https://nuancesprog.ru/p/16529/
#ml
В этой статье автор предлагает воспользоваться библиотекой xLearn. На текущий момент она поддерживает три алгоритма машинного обучения: линейную модель (linear model, LR), машину факторизации (factorization machine, FM) и машину факторизации с учетом полей (field-aware factorization machine, FFM). Вы сможете рассмотреть каждый из них по отдельности:
https://nuancesprog.ru/p/16529/
#ml
👍4
Может ли ChatGPT заменить бэкенд-разработчиков
OpenAI недавно показала свою новую модель обучения ChatGPT и пока что это один из лучших примеров работы нейросетей, хоть до Скайнет им пока далековато.
В этой статье автор порассуждал насчёт современных возможностей этой модели, привёл несколько примеров, а ещё показал, как она справляется с работой бэкенд-разработчика:
https://tproger.ru/articles/mozhet-li-chatgpt-zamenit-bjekend-razrabotchikov/
#бэкенд #ml
OpenAI недавно показала свою новую модель обучения ChatGPT и пока что это один из лучших примеров работы нейросетей, хоть до Скайнет им пока далековато.
В этой статье автор порассуждал насчёт современных возможностей этой модели, привёл несколько примеров, а ещё показал, как она справляется с работой бэкенд-разработчика:
https://tproger.ru/articles/mozhet-li-chatgpt-zamenit-bjekend-razrabotchikov/
#бэкенд #ml
👍4
Топ-7 библиотек Python для машинного обучения
Python идеально подходит для машинного обучения, что доказано на практике с помощью сотен различных проектов. Если и вы хотите погрузиться в создание нейросетей, то в этой статье вы найдёте топ-7 библиотек Python для машинного обучения, которые вам помогут:
https://pythonist.ru/top-7-bibliotek-python-dlya-mashinnogo-obucheniya/
#ml
Python идеально подходит для машинного обучения, что доказано на практике с помощью сотен различных проектов. Если и вы хотите погрузиться в создание нейросетей, то в этой статье вы найдёте топ-7 библиотек Python для машинного обучения, которые вам помогут:
https://pythonist.ru/top-7-bibliotek-python-dlya-mashinnogo-obucheniya/
#ml
👍7💩3🔥1
Введение в библиотеку Transformers и платформу Hugging Face
Платформа Hugging Face — это коллекция готовых современных предварительно обученных Deep Learning моделей. А библиотека Transformers предоставляет инструменты и интерфейсы для их простой загрузки и использования.
Эта статья поможет вам познакомиться с этими двумя инструментами, которые помогают решать задачи компьютерного зрения, NLP и других направлений машинного обучения:
[https://habr.com/ru/post/704592/
#ml #nlp
Платформа Hugging Face — это коллекция готовых современных предварительно обученных Deep Learning моделей. А библиотека Transformers предоставляет инструменты и интерфейсы для их простой загрузки и использования.
Эта статья поможет вам познакомиться с этими двумя инструментами, которые помогают решать задачи компьютерного зрения, NLP и других направлений машинного обучения:
[https://habr.com/ru/post/704592/
#ml #nlp
👍4
ChatGPT пройдёт собеседование по Data Science вместо вас
Готовитесь к собеседованию, которое пройдёт онлайн, но боитесь, что от волнения всё вылетит из головы? Расслабьтесь, есть решение. Теперь вам не нужно полагаться на себя, ведь можно доверить ответы нейросети.
Подробнее:
https://habr.com/ru/company/ruvds/blog/705094/
#chatgpt #ml
Готовитесь к собеседованию, которое пройдёт онлайн, но боитесь, что от волнения всё вылетит из головы? Расслабьтесь, есть решение. Теперь вам не нужно полагаться на себя, ведь можно доверить ответы нейросети.
Подробнее:
https://habr.com/ru/company/ruvds/blog/705094/
#chatgpt #ml
👎7👍5🤡1🤓1
Неудачный проект ML о рынке недвижимости
Огромное количество статей и у нас в канале, и на множестве сайт рассказывают о том, как круто использовать машинное обучение и что его можно применять вообще для любых задач. Но на самом деле неудачных проектов тоже хватает, но далеко не все о них предпочитают говорить.
Вот эта статья как раз посвящена тому, как нейросети пытались внедрить на рынок недвижимости, но что-то пошло нет так:
https://www.datafantic.com/failed-project-how-bad-is-the-real-estate-market-getting/
#ml
Огромное количество статей и у нас в канале, и на множестве сайт рассказывают о том, как круто использовать машинное обучение и что его можно применять вообще для любых задач. Но на самом деле неудачных проектов тоже хватает, но далеко не все о них предпочитают говорить.
Вот эта статья как раз посвящена тому, как нейросети пытались внедрить на рынок недвижимости, но что-то пошло нет так:
https://www.datafantic.com/failed-project-how-bad-is-the-real-estate-market-getting/
#ml
👍8
8 паттернов проектирования для ML-разработчиков
Паттерны проектирования помогают быстрее и эффективнее создавать код, а не «изобретать велосипеды». Если разработчик может грамотно формализовать проблему с помощью ООП и выбрать подходящий паттерн для её решения, во-первых, это очень круто и профессионально, а во-вторых, это может серьезно ускорить сроки разработки.
В статье — 8 паттернов проектирования с примерами кода на Python: https://proglib.io/p/8-patternov-proektirovaniya-kotorye-dolzhen-znat-kazhdyy-ml-razrabotchik-2022-10-27
Изначально паттерны рассматриваются в контексте ML, но будут полезны и другим Python-разработчикам.
#ml #паттерны
Паттерны проектирования помогают быстрее и эффективнее создавать код, а не «изобретать велосипеды». Если разработчик может грамотно формализовать проблему с помощью ООП и выбрать подходящий паттерн для её решения, во-первых, это очень круто и профессионально, а во-вторых, это может серьезно ускорить сроки разработки.
В статье — 8 паттернов проектирования с примерами кода на Python: https://proglib.io/p/8-patternov-proektirovaniya-kotorye-dolzhen-znat-kazhdyy-ml-razrabotchik-2022-10-27
Изначально паттерны рассматриваются в контексте ML, но будут полезны и другим Python-разработчикам.
#ml #паттерны
👍6👏1
Что скажет ChatGPT: Почему Python такой популярный?
Кто-то с помощью ChatGPT пишет дипломы, кто-то — код, а мы попросили ChatGPT написать целую статью про то, как Python набирал популярность с 1990-х годов и почему стал популярен в Data Sceince, Machine Learning, веб-разработке и разработке игр.
Пока человеческий админ пошёл собирать вещи, посмотрите, как получается у ChatGPT писать целые статьи: https://tproger.ru/articles/pochemu-python-takoj-populjarnyj/
#chatgpt #ml
Кто-то с помощью ChatGPT пишет дипломы, кто-то — код, а мы попросили ChatGPT написать целую статью про то, как Python набирал популярность с 1990-х годов и почему стал популярен в Data Sceince, Machine Learning, веб-разработке и разработке игр.
Пока человеческий админ пошёл собирать вещи, посмотрите, как получается у ChatGPT писать целые статьи: https://tproger.ru/articles/pochemu-python-takoj-populjarnyj/
#chatgpt #ml
🤮6👍5🔥1
Как устроена RecTools — OpenSource–библиотека для рекомендательных систем
В этой статье мы рассмотрим открытую библиотеку RecTools для рекомендательных систем, позволяющую разработчикам и исследователям создавать эффективные алгоритмы машинного обучения.
Рассказываем о достоинствах и недостатках RecTools и как она может быть использована в ваших проектах: https://tprg.ru/CgJX
#ml
В этой статье мы рассмотрим открытую библиотеку RecTools для рекомендательных систем, позволяющую разработчикам и исследователям создавать эффективные алгоритмы машинного обучения.
Рассказываем о достоинствах и недостатках RecTools и как она может быть использована в ваших проектах: https://tprg.ru/CgJX
#ml
👍16👎1
Пишем GPT в 60 строк NumPy — часть 1
Если уже тестировали популярные модельки нейросетей через API или даже просто когда-то что-то где-то слышали и хотите копнуть глубже, в этой статье автор рассказал, как написать GPT всего в 60 строках numpy с нуля: https://habr.com/ru/post/716902/
Для понимания статьи достаточно базово разбираться в Python, NumPy и обладать небольшим опытом в обучении нейросетей. В реализации отсутствует большая часть функциональности, чтобы максимально её упростить. В общем, enjoy.
Вообще, понимание архитектуры GPT — всего лишь небольшая часть более масштабной темы больших языковых моделей, но жизненно важная для разработчиков нейросетей. GPT оказалась первой архитектурой, у которой есть удобные свойства масштабирования, высокой параллелизации на GPU и качественного моделирования последовательностей. Ну и самое приятное, что исходники выложены на гитхабе: github.com/jaymody/picoGPT.
#ml
Если уже тестировали популярные модельки нейросетей через API или даже просто когда-то что-то где-то слышали и хотите копнуть глубже, в этой статье автор рассказал, как написать GPT всего в 60 строках numpy с нуля: https://habr.com/ru/post/716902/
Для понимания статьи достаточно базово разбираться в Python, NumPy и обладать небольшим опытом в обучении нейросетей. В реализации отсутствует большая часть функциональности, чтобы максимально её упростить. В общем, enjoy.
Вообще, понимание архитектуры GPT — всего лишь небольшая часть более масштабной темы больших языковых моделей, но жизненно важная для разработчиков нейросетей. GPT оказалась первой архитектурой, у которой есть удобные свойства масштабирования, высокой параллелизации на GPU и качественного моделирования последовательностей. Ну и самое приятное, что исходники выложены на гитхабе: github.com/jaymody/picoGPT.
#ml
👍14🔥1