Возмем к примеру Data Lake реализованный Microsoft'ом. В качестве сервисов здесь Data Lake Store и Data Lake Analytics. С помощью первого храним данные, с помощью второго - строим модель и осуществляем анализ. Можно ли назвать Data Lake "еще одной системой хранения данных" ? Да, можно. Но важно понимать, что это хранилище, главной задачей которой является оптимизация время- и ресурсозатрат для последующего анализа и применения методов мл

Возмем к примеру Data Lake реализованный Microsoft'ом. В качестве сервисов здесь Data Lake Store и Data Lake Analytics. С помощью первого храним данные, с помощью второго - строим модель и осуществляем анализ. Можно ли назвать Data Lake "еще одной системой хранения данных" ? Да, можно. Но важно понимать, что это хранилище, главной задачей которой является оптимизация время- и ресурсозатрат для последующего анализа и применения методов мл

Концепция data lake'ов родилась из того, что любые данные могут быть полезными для решения задач мл. Интерес в том, что можно хранить структурированную, полу- и неструктурированную информацию в любом формате любых размеров. Это позволяет создавать модель данных для каждого конкретного случая за меньшую стоимость, чем в хадупе. В итоге гибче и дешевле

Котики, а тут вакансии размещать вообще можно?

если ты агент - да. если ты представитель компании, которая остро нуждается в поиске специалиста именно в этом чате - можно подумать в индивидуальном порядке. исключения из правил есть всегда

думаешь "котиком" называет не агент?

#полезное #математика #алгебра #math Может кому пригодится, серия неплохих noob-визуализаций разных аспектов линейной алгебры https://www.youtube.com/playlist?list=PLZHQObOWTQDPD3MizzM2xVFitgF8hE_ab

Ну после умножения на вес добавлять bias, пускать на Relu, а потом только все на сумматор

Т.е. сделать нелинейностей по числу весов

объясните пжлс что делает bias

смещает функцию по оси

смещает функцию по оси

а, еще вопрос, видел пример там перцептрон обучаеться по двум признакам, и они там сделали три веса, третий был для bias, зачем?

а, еще вопрос, видел пример там перцептрон обучаеться по двум признакам, и они там сделали три веса, третий был для bias, зачем?

ничего не изменится

ну понятно, что обычную сетку можно свести к предлагаемой путем обрубания всех весов кроме одного. Но, чтобы достичь той же "нелинейной" функции потребуется в два раза больше слоёв. Может быть, больше нелинейности лучше, в плане экономии ресурсов

bias - это словно дополнительный вход, который всегда равен 1. Чтобы задать нужное тебе смещение, нужно обучить вес, который будет домножаться на 1.

ааа! пасиб огромное. понял. Еще уточню, перцептрон это ж булевый предсказатель, так вот, если мы ожидаем 1 по определенным признакам, то даем bias=1, а если ожидаем 0 на выходе, то даем bias=0. Верно?

нет, bias всегда 1

Функция градиентного спуска

Но это же набор слов просто

Но это же набор слов просто

есть метод градиентного спуска

почему потребуется в 2 раза больше слоёв?

и вот чтоб применить метод градиентного спуска, нужно юзать сигмойдную ф-цию активации. Правильно понимаю?

есть точка разрыва

есть точка разрыва

Производная не определена в 0, да