?

Нашел кое что, вроде годнота, может кому полезно будет тоже

https://www.udemy.com/python-for-data-science-and-machine-learning-bootcamp/ Стоит проходить ?

Кстати, контекста можно попробовать определить с помощью k-skip-n-gram

Интересная задача! Сам програмиирую под андроид и было интересно как там чат боты устроены))

И ведь 6к человек уже подписались

https://www.udemy.com/python-for-data-science-and-machine-learning-bootcamp/ Стоит проходить ?

Тоже интересны отзывы.

Я проходил. Простенький курс, пойдет в качестве введения. Там больше про подготовку данных и графики чем про ML

А есть ли курс по генерации данных?

так-то все эти миллионы объектов для маленьких компании совершенно нереальный объем

даже дропбокс был вынужден писать генерацию объектов самостоятельно для своего OCR движка

Какую генерацию объектов?

А есть ли курс по генерации данных?

Генерировать тексты довольно просто, зачем там курс, а что-то другое — сильно зависит от того, что.

предметные5 области отличаются друг от друга, верно. Но есть и общие подходы и общие ошибки. Про них я бы почитал.

Какую генерацию объектов?

генерил картинки слов, строк, с различными фонтами-фоном-шумом.

404

спасибо!

https://cyberleninka.ru/article/n/problemy-formirovaniya-obuchayuschey-vyborki-v-zadachah-mashinnogo-obucheniya

Вот нормальная ссылка

https://appleinsider.ru/eto-interesno/stiv-voznyak-vystupit-na-vserossijskom-festivale-nauki-v-moskve.html

@hitmaker @tenni_im

>повышающий уровень наличия oh u

Юлия здесь вакансии не разрешены :-/

Поняла Вас. Буду знать :)

Всем доброго дня. Начал изучение/ознакомление с темой ML с книги "А. Мюллер, С. Гвидо - Введение в машинное обучение с помощью Python". Какие книги еще можно посмотреть из той же серии - т.е в равном соотношении матчасть/практические примеры?

Выглядит солидно. Спасибо!

Но там нет ни строчки кода

Быстрым перелистыванием тоже это заметил. Но выглядит как неплохое подспорье по матчасти

Подспорье одно из лучших, спору нет

Но там нет оглавления Oo. Cразу начинается с содержания

Всем привет. спасибо за книгу. У меня аналогичный вопрос, только с другой стороны. я начал заниматься ML, имеют некоторый опыт работы с yolo, pytorch, имею общее представление что такое линейная регрессия, фукциональная, сверточные NN, рекурентный. Но всё это как то поверхностно Но очень бы хотелось углубиться, побольше математики чтобы, к чёрту код Может кто-нибудь посоветовать что нибудь?

Всем доброго дня. Начал изучение/ознакомление с темой ML с книги "А. Мюллер, С. Гвидо - Введение в машинное обучение с помощью Python". Какие книги еще можно посмотреть из той же серии - т.е в равном соотношении матчасть/практические примеры?

https://ru.stackoverflow.com/a/683632/1084

После этого такое даже спрашивать странно

@Otvorot тут вот выше список книг очень хороший, и рекомендованный многими коллегами.

Добавил в закладки Боюсь в этом многообразии можно затерятся, пока будет достаточно мюллера и DeepLearningBook думаю

??

Было бы конечно круто если список был бы отсортирован по нарастающей сложности, но вот сделать такую оценку навскидку проблематично думаю)

Было бы конечно круто если список был бы отсортирован по нарастающей сложности, но вот сделать такую оценку навскидку проблематично думаю)

ORDER BY complexity ASC

чё там сложного?

Было бы конечно круто если список был бы отсортирован по нарастающей сложности, но вот сделать такую оценку навскидку проблематично думаю)

это практически невозможно, потому что сложность очень субъективна

Во всяком случае все со словами "Введение" и "базовый курс" можно брать не боясь ?

чё там сложного?

Это наверно будет еще одной задачей AI/ML в будущем :)

Оценить средневзвешенную сложность источника, и отсортировать источники по сложности

Олег, это спорно. Если постоянно брать только "введение", то роста и не будет, будет всегда только введение. Нужно не делить на сложное/простое, а брать и делать. В процессе уже станет ясно что именно сложно, а что просто. При этом, очень хорошо, если берёшься за самое сложное, и разбираешься до тех пор, пока не поймёшь полностью. Тогда становится намного проще потом заниматься простыми вещами

(лайфхак)

Спорно. Без практического приложения cложный материал не даст должного роста. Это наверно все субъективно и зависит от читателя

в Кевина Скотта есть неплохая статья на эту публикация на эту тему

https://www.linkedin.com/pulse/advice-reader-getting-started-computer-science-kevin-scott

В принципе, одна прочитанная фундаментальная книга позволяет затем пропускать вводные части в книгах прикладных, а это до трети их объема

В принципе, одна прочитанная фундаментальная книга позволяет затем пропускать вводные части в книгах прикладных, а это до трети их объема

Или вообще пропускать целые книги