Catboost = Categorical Boosting Один из заявленных плюсов - работа с категориальными признаками (такими как город, цвет и тд) из коробки: https://tech.yandex.com/catboost/doc/dg/concepts/algorithm-main-stages_cat-to-numberic-docpage/

Они так преподносят, как какую-то киллер фичу )

Ребят, привет. Если выборка данных размерностью 8,5 млн на 70, правильно пользоваться skkearn, или нужны какие-то другие библиотеки или фреймворки?

данные какие?

Подход такой, пока лезет в память все можно

Подход такой, пока лезет в память все можно

а если нет, то можно докупить памяти и снова все можно

Числа, наименования и широта с долготой

данные какие?

Подход такой, пока лезет в память все можно

Python съедает 14гб ram

Это стеб такой ?

Это стеб такой ?

Это к кому?

хорошее достижение!

Числа, наименования и широта с долготой

а sklearn для чего?

Ну я хотела сделать предсказания

Точнее уже сделала

Но думала, что возможно есть более оптимальный инструмент для таких задач

Мало ли

Python съедает 14гб ram

Сами данные сколько весят?

Наверное лучше будет сравнивать с хгбустом. У них на сайте написано что качество выше, чем у других библиотек, не могу ручаться за это, но работать с ней проще чем с хгбустом.

т.е. юзабилити лучше?

т.е. юзабилити лучше?

Да

3gb

Сами данные сколько весят?

Тогда ищите причину, почему данные в ОЗУ растаращило в 5 раз

У вас это все в пандас положено?

Da

К слову о данных в пандасе: http://machinelearningexp.com/data-science-performance-of-python-vs-pandas-vs-numpy/

К слову о том, что сам кейс малопоказательный В пандасе крайне много функций, которые написаны кое как. Ну и использование пандаса с его структурой, аля ассоциативный словарь, на проще с большими дангыми крайне сомнительное удовольствие

https://www.crestle.com/ Смотрите, как мило

https://www.crestle.com/ Смотрите, как мило

очень похоже на рекламу

очень похоже на рекламу

Это не она. Это довольно приятный сайт, где можно нажать на кнопку и запустить свой юпитер-сервер. И получить 25 бесплатных часов ГПУ

И туда вмонтирован курс fast.ai с уже скачанными датасетами

да, это интересно

Тип мощный сервер ?

https://www.crestle.com/ Смотрите, как мило

Отлично!

Тип мощный сервер ?

Думаю под капотом aws gpu

Думаю под капотом aws gpu

There are no network or bandwidth charges. скорее обычные дедики. сейчас с gpu много доступных

Это не экономно и плохо масштабируемо

А где инвайт получить?

ERROR: S client not available

Это не экономно и плохо масштабируемо

почему это? оО

почему это? оО

Потому что железные серверы плохо масштабируются. Долго дорого.

Раскрутить +100 гпу инстансов в облаке и потом их удалить как-то поудобнее чем железный сервак

Это не экономно и плохо масштабируемо

а это тут причем, они могли вполне себе сделать такой сервис, с помощью kvm это нетрудно совсем.

Ок

А где инвайт получить?

инвайт куда?

всем привет! напишите, кто где арендует GPU сервера?

всем привет! напишите, кто где арендует GPU сервера?

hetzner

На самом деле интересная тема

А то мой огрызок скоро уже сгорит от нагрузок

кто нибудь пользовался bigartm на данных чата?

всем привет! напишите, кто где арендует GPU сервера?

какие мощности нужны? есть доступ к ферме на 1080ti

@Vincent_Jules тут не сильно приветствуются вакансии.

Но спасибо за заботу

а 720m норм gpu для чего то простенького?

Друзья, подскажите с чего начать изучение machine learning и чем продолжать?

Друзья, подскажите с чего начать изучение machine learning и чем продолжать?

Начать с основ, продолжить продвинутыми техниками

Начать с основ, продолжить продвинутыми техниками

курсы, книги? Что-нибудь фундаментальное, дальше сам разберусь